智能優(yōu)化算法:動(dòng)物遷徙優(yōu)化算法

智能優(yōu)化算法:動(dòng)物遷徙優(yōu)化算法

@[toc]
摘要:動(dòng)物遷徙算法(Animal Migration Optimization喇澡,AMO)是李祥濤于2013年提出的一種用于求解優(yōu)化問(wèn)題的新型群智能優(yōu)化算法效诅。AMO算法突出優(yōu)點(diǎn)是可調(diào)參數(shù)少音诫,算法實(shí)現(xiàn)簡(jiǎn)單且精度相對(duì)較高

1.算法原理

動(dòng)物遷徙行為是源于自然界中由于動(dòng)物覓食故河、繁殖乞娄、氣候等自然環(huán)境的變化而發(fā)生的自適應(yīng)生存遷徙行為钾怔,動(dòng)物的遷徙通常有一定的規(guī)律和路線却桶,如當(dāng)溫度降低境输、食物缺乏時(shí),動(dòng)物就會(huì)往溫度適宜颖系、食物豐富的區(qū)域遷徙嗅剖,這是自然界動(dòng)物普遍存在的現(xiàn)象。同樣的鳥(niǎo)類(lèi)集晚、哺乳動(dòng)物窗悯、魚(yú)類(lèi)、爬行動(dòng)物偷拔、兩棲動(dòng)物蒋院、昆蟲(chóng)和甲殼類(lèi)動(dòng)物都會(huì)進(jìn)行遷徙,如北方的馴鹿冬季南移到能躲避大風(fēng)雪的針葉林帶莲绰,春季則北遷到食物豐富的苔原帶欺旧;非洲的角馬、斑馬等在雨季來(lái)臨時(shí)蛤签,遷往水草豐盛的地方辞友,當(dāng)雨季結(jié)束后,植物很快枯萎震肮,它們又返回到往常的棲息地称龙;白鶴、小編紋餘等多種餘類(lèi)戳晌,常跟隨作為它們食物的大魚(yú)群遷徙鲫尊;海巧、海狗等海獸類(lèi)動(dòng)物常有爬回到確定的生殖地點(diǎn)或冰塊上去繁殖的習(xí)性沦偎。概括起來(lái)疫向,動(dòng)物喜歡在食物豐富咳蔚,水源充足,氣候條件適宜的地區(qū)生存搔驼,隨著時(shí)間的推移谈火,食物減少、水分減少舌涨,氣候條件變化糯耍,生掙條件改變,不能滿足動(dòng)物生存需要時(shí)囊嘉,動(dòng)物種群便會(huì)遷往新的食物谍肤、水分豐富,氣候條件適宜的區(qū)域哗伯,動(dòng)物種群在遷徙的過(guò)程中,由于長(zhǎng)途艱難爬涉篷角,個(gè)別動(dòng)物會(huì)離開(kāi)遷徙種群體焊刹,在行進(jìn)的過(guò)程中也會(huì)有新的動(dòng)物加入到遷徙大軍中。

動(dòng)物遷徙算法是模擬上述動(dòng)物行為的優(yōu)化算法恳蹲,動(dòng)物遷徙算法主要分為種群遷徙過(guò)程和個(gè)體更新過(guò)程虐块。為了便于描述動(dòng)物遷徙優(yōu)化算法,首先做以下2個(gè)理想假設(shè):

(1)動(dòng)物種群所處棲息地最優(yōu)的動(dòng)物個(gè)體將會(huì)保存到下一代嘉蕾。

(2)動(dòng)物種群在遷徙過(guò)程中贺奠,有的動(dòng)物會(huì)離開(kāi)種群,同時(shí)有新的動(dòng)物個(gè)體會(huì)加入種群错忱,假設(shè)動(dòng)物種群的規(guī)模是確定的儡率,動(dòng)物會(huì)依照概率Pa被新的個(gè)體所替代。

在遷徙過(guò)程中以清,算法模擬動(dòng)物群體從當(dāng)前所處棲息地域遷往新的所處棲息地域儿普。在這個(gè)過(guò)程中,每個(gè)個(gè)體應(yīng)當(dāng)服從以上2個(gè)準(zhǔn)則掷倔。在更新過(guò)程中眉孩,一些動(dòng)物離開(kāi)群體,一些動(dòng)物又加入到動(dòng)物群體勒葱。假定有一個(gè)全局最優(yōu)解和后續(xù)的個(gè)體浪汪,置D維空間編碼向量表示一個(gè)個(gè)體,用最大值和最小值約束D維向量凛虽;初始化種群大小為NP死遭,動(dòng)物個(gè)體可以表示為:
X_{min}=\{x_{1,min},x_{2,min},...,x_{D,min}\}\tag{1}

X_{max}={x_{1,max},x_{2,max},...,x_{D,max}} \tag{2}

因此,第i個(gè)個(gè)體的第j個(gè)向量初始化涩维,可以表示為:
x_{i,j}=x_{j,min}+rand*(x_{j,max} -x_{j,min})\tag{3}
其中殃姓,rand是[0,1]之間的隨機(jī)數(shù)袁波。

圖1.環(huán)型拓?fù)浣Y(jié)構(gòu)

在動(dòng)物遷徙過(guò)程中,動(dòng)物個(gè)體服從3個(gè)準(zhǔn)則:(1)個(gè)體和它鄰居的位置不會(huì)沖突蜗侈;(2)個(gè)體和鄰居朝著相同的方向進(jìn)行遷徙篷牌;(3)新的個(gè)體仍然和原鄰居相鄰。對(duì)于第一條準(zhǔn)則踏幻,要求群體中每個(gè)個(gè)體的位置枷颊。對(duì)于后兩個(gè)準(zhǔn)則,要求個(gè)體應(yīng)當(dāng)根據(jù)它鄰居的當(dāng)前位置遷往一個(gè)新的位置该面。圖1采用一個(gè)環(huán)狀拓補(bǔ)結(jié)果說(shuō)明個(gè)體鄰居的定義夭苗。為了便于說(shuō)明,設(shè)置每一維設(shè)置鄰居的個(gè)數(shù)為5隔缀。例如如果個(gè)體的下標(biāo)是i,那么它的鄰居下標(biāo)為i-2,i-1,i,i+1,i+2組成猾瘸。鄰居的拓?fù)浣Y(jié)構(gòu)建立之后界赔,隨機(jī)選擇一個(gè)鄰居,然后根據(jù)它鄰居的位置更新個(gè)體的位置牵触,更新公式如下:
X_{i,G+1}=X_{i,G}+\delta(X_{neiborhood,G}-X_{i,G})\tag{4}
其中淮悼,X_{neiborhood,G}是鄰居的當(dāng)前位置,根據(jù)不同的問(wèn)題可以改變\delta的值揽思。在本文中為生成的隨機(jī)數(shù)袜腥。X_{i,G}是第i個(gè)個(gè)體的位置,X_{i,G+1}是第i個(gè)個(gè)體的新位置钉汗。

在動(dòng)物種群個(gè)體更新過(guò)程中羹令,一些個(gè)體離開(kāi)群體,同時(shí)一些個(gè)體又加入到群體中儡湾,假定群體的數(shù)量是恒定的特恬,舊的個(gè)體會(huì)被新的個(gè)體按照概率Pa所取代。通過(guò)個(gè)體的適應(yīng)度值來(lái)設(shè)置Pa徐钠,對(duì)于最好的適應(yīng)度值癌刽,Pa為1,對(duì)于最差的適應(yīng)度值尝丐,Pa為1/NP显拜。其位置更新公式如下:
X_{i,G+1}=X_{r1,G}+rand*(X_{best,G}-X_{i,G}) + rand(X_{r2,G}-X_{i,G})\tag{5}
其中r1,r2\in[1,...,NP]隨機(jī)選取的整數(shù),并且r1\neq r2 \neq i爹袁。當(dāng)產(chǎn)生新的后代解X_{i,G+1}后远荠,會(huì)對(duì)X_{i,G}X_{i,G+1}的適應(yīng)度進(jìn)行比較,如果新解更優(yōu)才被保存至下一代失息。

動(dòng)物遷徙算法的步驟如下:

step1:在搜索區(qū)域隨機(jī)產(chǎn)生種群譬淳,并對(duì)鄰居進(jìn)行編號(hào)档址。

step2:計(jì)算各點(diǎn)的適應(yīng)度,并記錄最優(yōu)值邻梆。

step3.動(dòng)物根據(jù)式(4)更新種群位置守伸。

step4.計(jì)算適應(yīng)度值,并記錄最優(yōu)值浦妄。

step5.個(gè)體更新尼摹,設(shè)置Pa,如果rand>Pa且更新后個(gè)體適應(yīng)度值比原來(lái)更優(yōu)剂娄,則更新個(gè)體否則不更新蠢涝。

step6.記錄最優(yōu)值。

step7.判斷是否滿足算法停止條件阅懦,如果滿足則輸出最優(yōu)解和二,否則重復(fù)step3-7。

2.實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果

3.參考文獻(xiàn)

[1]馬明智. 動(dòng)物遷徙算法及其應(yīng)用研究[D].廣西民族大學(xué),2015.

4.Matlab代碼

上述代碼耳胎,可在網(wǎng)盤(pán)清單里面找
鏈接:https://pan.baidu.com/s/1QIHWRh0bNfZRA8KCQGU8mg
提取碼:1234

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末儿咱,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子场晶,更是在濱河造成了極大的恐慌,老刑警劉巖怠缸,帶你破解...
    沈念sama閱讀 219,490評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件诗轻,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡揭北,警方通過(guò)查閱死者的電腦和手機(jī)扳炬,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,581評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)搔体,“玉大人恨樟,你說(shuō)我怎么就攤上這事【尉悖” “怎么了劝术?”我有些...
    開(kāi)封第一講書(shū)人閱讀 165,830評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)呆奕。 經(jīng)常有香客問(wèn)我养晋,道長(zhǎng),這世上最難降的妖魔是什么梁钾? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,957評(píng)論 1 295
  • 正文 為了忘掉前任绳泉,我火速辦了婚禮,結(jié)果婚禮上姆泻,老公的妹妹穿的比我還像新娘零酪。我一直安慰自己冒嫡,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,974評(píng)論 6 393
  • 文/花漫 我一把揭開(kāi)白布四苇。 她就那樣靜靜地躺著孝凌,像睡著了一般。 火紅的嫁衣襯著肌膚如雪蛔琅。 梳的紋絲不亂的頭發(fā)上胎许,一...
    開(kāi)封第一講書(shū)人閱讀 51,754評(píng)論 1 307
  • 那天,我揣著相機(jī)與錄音罗售,去河邊找鬼辜窑。 笑死,一個(gè)胖子當(dāng)著我的面吹牛寨躁,可吹牛的內(nèi)容都是我干的穆碎。 我是一名探鬼主播,決...
    沈念sama閱讀 40,464評(píng)論 3 420
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼职恳,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼所禀!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起放钦,我...
    開(kāi)封第一講書(shū)人閱讀 39,357評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤色徘,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后操禀,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體褂策,經(jīng)...
    沈念sama閱讀 45,847評(píng)論 1 317
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,995評(píng)論 3 338
  • 正文 我和宋清朗相戀三年颓屑,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了斤寂。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,137評(píng)論 1 351
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡揪惦,死狀恐怖遍搞,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情器腋,我是刑警寧澤溪猿,帶...
    沈念sama閱讀 35,819評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站纫塌,受9級(jí)特大地震影響再愈,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜护戳,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,482評(píng)論 3 331
  • 文/蒙蒙 一翎冲、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧媳荒,春花似錦抗悍、人聲如沸驹饺。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,023評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)赏壹。三九已至,卻和暖如春衔沼,著一層夾襖步出監(jiān)牢的瞬間蝌借,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,149評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工指蚁, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留菩佑,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,409評(píng)論 3 373
  • 正文 我出身青樓凝化,卻偏偏與公主長(zhǎng)得像稍坯,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子搓劫,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,086評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容