이 글에서는 원숭이 알고리즘(MA) 최적화 알고리즘에 대해 알아보겠습니다. 원숭이들이 어려운 장애물을 극복하고 가장 접근하기 어려운 나무 꼭대기에 도달하는 능력은 MA 알고리즘의 아이디어의 기초가 되었습니다.
원숭이가 탐험하는 영역은 피트니스 함수 함수이므로 가장 높은 산이 문제의 해에 해당합니다(전역 최대화 문제를 고려합니다). 각 원숭이는 현재 위치에서 산의 정상에 도달할 때까지 위로 이동합니다. 정상에 가는 프로세스는 목표 함수의 값을 점진적으로 개선하도록 설계되었습니다. 그런 다음 원숭이는 더 높은 산을 찾기 위해 무작위의 방향으로 로컬에서 점프를 하고 위로 올라가는 동작을 반복합니다. 일정 횟수의 등반과 로컬 점프를 수행한 원숭이는 초기의 위치 근처의 주변을 충분히 탐험했다고 생각합니다.
검색 공간의 새로운 영역을 탐색하기 위해 원숭이는 긴 글로벌 점프를 수행합니다. 위의 단계는 알고리즘의 매개변수에서 지정된 횟수만큼 반복됩니다. 문제의 해는 주어진 원숭이 모집단에서 찾은 정점 중 가장 높은 정점으로 선언됩니다. 그러나 MA는 등반 과정에서 로컬 최적화 솔루션을 찾는 데 상당한 계산 시간을 소비합니다. 글로벌 점프 프로세스는 알고리즘의 수렴 속도를 높일 수 있습니다. 이 과정의 목적은 원숭이가 로컬 검색에 빠지지 않고 새로운 검색 기회를 찾게 하는 것입니다. 이 알고리즘은 간단한 구조, 상대적으로 높은 신뢰성, 로컬 최적 솔루션 검색 등의 장점이 있습니다.
MA는 비선형성, 비분산성, 고차원성을 특징으로 하는 여러 복잡한 최적화 문제를 해결할 수 있는 새로운 유형의 진화 알고리즘입니다. 다른 알고리즘과의 차이점은 MA가 로컬화 최적 솔루션을 찾기 위해 주로 등반 프로세스를 사용하기 때문에 소요되는 시간이 길다는 점입니다. 다음 섹션에서는 알고리즘의 주요 구성 요소, 제시된 솔루션, 초기화, 등반, 관찰 및 점프에 대해 설명합니다.
새로운 기고글 모집단 최적화 알고리즘: 원숭이 알고리즘(MA) 가 게재되었습니다:
이 글에서는 원숭이 알고리즘(MA) 최적화 알고리즘에 대해 알아보겠습니다. 원숭이들이 어려운 장애물을 극복하고 가장 접근하기 어려운 나무 꼭대기에 도달하는 능력은 MA 알고리즘의 아이디어의 기초가 되었습니다.
원숭이가 탐험하는 영역은 피트니스 함수 함수이므로 가장 높은 산이 문제의 해에 해당합니다(전역 최대화 문제를 고려합니다). 각 원숭이는 현재 위치에서 산의 정상에 도달할 때까지 위로 이동합니다. 정상에 가는 프로세스는 목표 함수의 값을 점진적으로 개선하도록 설계되었습니다. 그런 다음 원숭이는 더 높은 산을 찾기 위해 무작위의 방향으로 로컬에서 점프를 하고 위로 올라가는 동작을 반복합니다. 일정 횟수의 등반과 로컬 점프를 수행한 원숭이는 초기의 위치 근처의 주변을 충분히 탐험했다고 생각합니다.
검색 공간의 새로운 영역을 탐색하기 위해 원숭이는 긴 글로벌 점프를 수행합니다. 위의 단계는 알고리즘의 매개변수에서 지정된 횟수만큼 반복됩니다. 문제의 해는 주어진 원숭이 모집단에서 찾은 정점 중 가장 높은 정점으로 선언됩니다. 그러나 MA는 등반 과정에서 로컬 최적화 솔루션을 찾는 데 상당한 계산 시간을 소비합니다. 글로벌 점프 프로세스는 알고리즘의 수렴 속도를 높일 수 있습니다. 이 과정의 목적은 원숭이가 로컬 검색에 빠지지 않고 새로운 검색 기회를 찾게 하는 것입니다. 이 알고리즘은 간단한 구조, 상대적으로 높은 신뢰성, 로컬 최적 솔루션 검색 등의 장점이 있습니다.
MA는 비선형성, 비분산성, 고차원성을 특징으로 하는 여러 복잡한 최적화 문제를 해결할 수 있는 새로운 유형의 진화 알고리즘입니다. 다른 알고리즘과의 차이점은 MA가 로컬화 최적 솔루션을 찾기 위해 주로 등반 프로세스를 사용하기 때문에 소요되는 시간이 길다는 점입니다. 다음 섹션에서는 알고리즘의 주요 구성 요소, 제시된 솔루션, 초기화, 등반, 관찰 및 점프에 대해 설명합니다.
작성자: Andrey Dik