文章 "群体优化算法：随机扩散搜索（SDS）"

MetaQuotes 2024.05.29 09:50

本文讨论了基于随机游走原理的随机扩散搜索（Stochastic Diffusion Search，SDS）算法，它是一种非常强大和高效的优化算法。该算法允许在复杂的多维空间中找到最优解，同时具有高收敛速度和避免局部极值的能力。

有趣的事实：

1. 随机扩散搜索（SDS）是第一个群智能元启发式算法，属于群智能和自然搜索优化算法的家族。这种算法的其他例子是蚁群优化、粒子群优化和遗传算法。

2. 与基于柱头能量通信的蚁群优化不同，SDS使用代理之间的直接通信，类似于细齿蚁使用的串联呼叫机制。

SDS算法基于代理对假设（搜索问题的候选解决方案）的低成本部分评估。然后，代理通过直接的个体交流来交换关于假设的信息。通过扩散机制，可以从具有相同假设的代理集群中识别出高质量的解决方案。

金矿游戏

一群由经验丰富的矿工组成的朋友了解在山脉的山丘上开采黄金的可能性。然而，他们没有关于最富有的地方到底在哪里的信息。在他们的地图上，山脉被划分为几个单独的山丘，每个山丘都包含一组需要开采的地层。随着时间的推移，发现黄金的概率与其财富成正比。

为了最大限度地增加他们的集体财富，矿工们应该确定这座山上有最丰富的金矿层，以便最大数量的矿工能够在那里开采。但是，这些信息无法提前获得。为了解决这个问题，矿工们决定使用简单的随机扩散搜索。

采矿过程开始时，每个矿工被随机分配一座小山进行采矿（自定义小山假设）。每天，每个矿工都会随机选择他们山上的一个地层进行开采。