Обсуждение статьи "Популяционные алгоритмы оптимизации: Алгоритм летучих мышей (Bat algorithm - BA)"
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Популяционные алгоритмы оптимизации: Алгоритм летучих мышей (Bat algorithm - BA):
Сегодня изучим алгоритм летучих мышей (Bat algorithm - BA), который отличается удивительной сходимостью на гладких функциях.
При написании алгоритма BA я столкнулся с тем, что во многих источниках авторы статей описывают алгоритм совершенно по-разному, отличия заключались как в применении терминов в описании ключевых моментов так и в принципиальных алгоритмических особенностях, поэтому опишу как понял сам. Основные физические принципы, лежащие в основе эхолокации, могут быть применены в алгоритме со значительными оговорками и условностями. Предполагаем, что мыши используют звуковые импульсы с частотой в диапазоне от MinFreq до MaxFreq. Частота влияет на скорость перемещения мыши в пространстве. Так же используется условное понятие громкости, которое влияет на переход из состояния локального поиска по месту текущего положения летучей мыши к глобальному в окрестностях наилучшего решения. Частота пульсаций увеличивается на протяжении всей оптимизации, в то время как громкость звуков понижается.
Псевдокод алгоритма BA (рисунок 1):
1. Инициализация популяции летучих мышей.
2. Генерация частоты, скорости и новых решений.
3. Поиск локального решения.
4. Обновление глобального решения.
5. Понижение громкости и увеличение частоты пульсаций.
6. Повторить п.2 до выполнения критерия останова.
Рисунок 1. Блок-схема алгоритма BA.
Автор: Andrey Dik