Обсуждение статьи "Популяционные алгоритмы оптимизации: Алгоритм обезьян (Monkey algorithm, MA)"
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 обезьян (Monkey algorithm, MA):
В этой статье рассмотрим алгоритм оптимизации "Алгоритм обезьян" (MA). Способность этих подвижных животных преодолевать сложные препятствия и добираться до самых труднодоступных вершин деревьев легли в основу идеи алгоритма MA.
Местность, которую обследуют обезьяны, представляет собой ландшафт фитнес функции, поэтому решению задачи соответствует самая высокая гора (рассматриваем задачу глобальной максимизации). Из своего текущего положения каждая из обезьян движется вверх до тех пор, пока не достигнет вершины горы. Процесс набора высоты предназначен для постепенного улучшения значения целевой функции. Затем, обезьяна делает серию локальных прыжков в случайном направлении в надежде найти более высокую гору, и движение вверх повторяется. После выполнения некоторого числа подъемов и локальных прыжков, обезьяна полагает, что в достаточной степени исследовала ландшафт в окрестности своего начального положения.
Для того, чтобы обследовать новую область пространства поиска, обезьяна выполняет длинный глобальный прыжок. Указанные выше действия повторяются заданное число раз в параметрах алгоритма. Решением задачи объявляется самая высокая из вершин, найденных данной популяцией обезьян. Однако МА тратит значительное вычислительное время на поиск локальных оптимальных решений в процессе набора высоты. Процесс глобального прыжка может ускорить скорость сходимости алгоритма, цель этого процесса — заставить обезьян находить новые поисковые возможности, чтобы не попасть в локальный поиск. Алгоритм имеет такие преимущества, как простая структура, относительно высокая надежность и хороший поиск локальных оптимальных решений.
MA — это новый тип эволюционного алгоритма, который может решать множество сложных задач оптимизации, характеризующихся нелинейностью, недифференцируемостью и высокой размерностью. Отличие от других алгоритмов состоит в том, что время, затрачиваемое МА, в основном приходится на использование процесса набора высоты для поиска локальных оптимальных решений. В следующем разделе мы опишем основные компоненты алгоритма, представленные решения, инициализацию, процесс набора высоты, процесс наблюдения и прыжка.
Автор: Andrey Dik