文章 "基于人工生态系统的优化(AEO)算法"

 

新文章 基于人工生态系统的优化(AEO)算法已发布:

本文探讨了一种元启发式算法——基于人工生态系统的优化(Artificial Ecosystem-based Optimization, AEO)算法。该算法通过生成初始解种群并应用自适应更新策略,模拟生态系统各组成部分之间的相互作用。文中详细阐述了AEO算法的运行阶段,包括消耗阶段与分解阶段,以及不同智能体的行为策略。文章还介绍了该算法的特点和优势。

AEO算法基于自然界中观察到的若干关键原则。正如生态系统包含众多物种,每个物种都适应其特定的生态位一样,AEO算法也采用了一组多样化的解。在此背景下,每个解都可被视为一个具有独特特征和适应能力的独立“物种”。

在自然界中,能量通过食物链从一个生物体传递到另一个生物体。在AEO算法中,这是通过不同类型“智能体”(从“草”到“杂食动物”)之间的相互作用来模拟的。这里,信息如同能量一样,在解之间传递,这样有助于提升整个种群的质量。生态系统既存在资源竞争,也存在共生关系。AEO算法通过更新策略来体现这些过程,在此过程中,智能体可以通过“竞争”以获取更优的位置,或者通过交换信息来“合作”。


作者:Andrey Dik