没有合适的资源?快使用搜索试试~ 我知道了~
首页04-群体智能优化算法-蜘蛛猴优化算法.docx
04-群体智能优化算法-蜘蛛猴优化算法.docx
需积分: 50 19 下载量 132 浏览量
更新于2023-03-03
评论 1
收藏 627KB DOCX 举报
群居生物的觅食行为一直是优化算法研究的热点问题。蜘蛛猴优化(Spider Monkey Optimization,SMO)是一种全局优化算法,灵感来自于蜘蛛猴在觅食过程中的裂变融合社会(Fission-Fusion social,FFS)结构。SMO巧妙地描述了群体智能的两个基本概念:自组织和分工。SMO作为一种基于群体智能的算法,近年来得到了广泛的应用,并被应用于许多工程优化问题中。这一部分详细介绍了蜘蛛猴优化算法。为了更好地理解SMO过程的工作原理,给出了一个SMO过程的数例。
资源详情
资源评论
资源推荐
第四章 蜘蛛猴优化算法
群居生物的觅食行为一直是优化算法研究的热点问题。蜘蛛猴优化(Spider Monkey
Optimization,SMO)是一种全局优化算法,灵感来自于蜘蛛猴在觅食过程中的裂变融合
社会(Fission-Fusion social,FFS)结构。SMO 巧妙地描述了群体智能的两个基本概念:
自组织和分工。SMO 作为一种基于群体智能的算法,近年来得到了广泛的应用,并被
应用于许多工程优化问题中。这一部分详细介绍了蜘蛛猴优化算法。为了更好地理解
SMO 过程的工作原理,给出了一个 SMO 过程的数例。
四.1 蜘蛛猴优化
蜘蛛猴优化(SMO)算法是近年来出现的一种基于群体智能的优化算法[1, 2],更新
方程是基于可能解之间的欧氏距离,该算法已广泛应用于求解复杂的优化问题。在[3]
中,Dhar 和 Arora 应用蜘蛛猴优化算法(SMO)设计和优化了一个模糊规则库;Sharma
等人[4]将 SMO 应用于 IEEE-14、30 和 33 测试总线系统中,在适当分配 3 和 5 个电容
器的情况下,解决最优电容器配置和尺寸问题;Wu 等人[5]将 SMO 用于稀疏线性阵列
的合成。利用 SMO 算法对扩展稀疏子阵中所有元素的幅值和位置进行优化,从而在一
组实际约束条件下降低整个阵列的旁瓣电平;Cheruku 等人设计了用于糖尿病数据规则
挖掘任务的 SM-RuleMiner[6]。SMO 还被用于合成线性天线阵的阵列因子,并为无线
应用优化设计了一种 E 形贴片天线[7]。
下面将详细介绍蜘蛛猴优化算法的动机和工作原理。
四.1.1 动机
四.1.1.1 裂变融合社会结构的出现
裂变融合社会的概念是生物学家“汉斯·库默”在解释最复杂的哺乳动物阿拉伯狒狒
的社会组织时提出的。由于季节变化导致食物短缺时,母系群体成员之间的食物竞争
导致分裂成许多群体,然后融合成一个单一的群体。当食物供应充足时,群体是最大
的,而在最小的群体中,食物短缺处于顶峰。裂变部分表现了蜘蛛猴的觅食行为,融
合是将较小的群体组合成较大的群体。
四.1.1.2 蜘蛛猴的觅食行为
蜘蛛猴生活在中美洲和南美洲的热带雨林中,北至墨西哥[8]。蜘蛛猴是世界最聪
明的猴子之一。它们被称为蜘蛛猴,因为当它们通过尾巴挂起来的时候看起来像蜘蛛
[9]。蜘蛛猴总是喜欢生活在一个称为父群的单元组中。根据食物的稀缺性或充足性,
它们会自动拆分或合并。它们之间通过手势、姿势和叫声进行交流。群体组成(Group
composition)是这个结构中的一个动态属性。
四.1.1.3 社会组织与行为
蜘蛛猴的社会组织和行为可以通过以下事实来理解:
1. 蜘蛛猴生活在一个大约 40-50 只个体的群体中;
2. 这个群落里的所有个体在白天时都以小组的形式朝不同的方向觅食,晚上每个
个体都在自己的栖息地分享觅食的经验。
3. 领头的母蜘蛛猴决定觅食路线;
4. 如果领头没有找到足够的食物,她就把小组分成更小的小组,这些小组分别觅
食;
5. 社会中的个体可能不会因为彼此之间的相互宽容而在一个地方被注意到。当他
们接触时,他们的手势反映出他们实际上是一个大群体的一部分。
四.1.1.4 交流
蜘蛛猴通过位置和姿势分享它们的意图和观察结果。在很远的距离,它们通过特
定的声音相互交流,如大叫或鸣叫。每只猴子都有自己可辨别的声音,其他小组成员
可以通过这些声音辨别出那只猴子。
以上讨论的蜘蛛猴觅食行为如图 1 所示。
图 1 蜘蛛猴的觅食行为
四.1.2 蜘蛛猴优化过程
SMO 是一种元启发式技术,灵感来自于蜘蛛猴的智能觅食行为。蜘蛛猴的觅食行
为是基于分裂融合的社会结构。该算法的特点依赖于一个群体的社会组织,在这个群
体中,女性领导者决定是分裂还是合并。整个团队的领导者在这里被命名为全局领导
者,而小组织的领导者被称为为局部领导者。参考 SMO 算法,食物短缺现象被定义为
解不再改善。由于 SMO 是一种基于群体智能的算法,所以每个小群体都应该有一个最
小数量的猴子。因此,在任何时候,如果进一步的裂变产生了至少一组少于最小数量
的猴子,我们将其定义为融合时间。在 SMO 算法中,蜘蛛猴(SMO)表示一个可选解。
SMO 由六个阶段组成:局部领导者阶段、全局领导者阶段、局部领导者学习阶段、全
局领导者学习阶段、局部领导者决策阶段和全局领导者决策阶段。接下来将解释 SMO
的所有这些阶段:
初始化:
在初始化阶段,SMO 生成一个包含 N 个蜘蛛猴的均匀分布初始群体, 代表群
体中的第 个蜘蛛猴,每个 按下式初始化:
(1)
其中 和 是搜索空间中第 维的下界和上界, 是 内均匀分
布的随机数。
局部领导者阶段(LLP):
这是 SMO 算法的一个重要阶段。在这里,所有的蜘蛛猴都有机会更新自己。蜘蛛
猴基于其局部领导者和小组成员的经验更新其位置。在新的位置计算每个蜘蛛猴的适
应度值,如果适应度高于其旧的位置,则更新,否则不更新。这里,位置更新方程为
(2)
其中, 是第 个蜘蛛猴的第 维, 代表第 组局部领导者的第 维,
是从第 组中随机选择的蜘蛛猴的第 维,且 , 是 范围内均匀分布的
随机数。
从公式(2)中可以清楚地看出,待位置更新的蜘蛛猴在保持自己的自信或坚持时
会被局部领导者吸引,最后一部分有助于在搜索过程中引入扰动,维持算法的随机性,
从而避免过早停滞。这个阶段的完整位置更新过程见算法 1,该算法中 表示当前解
的扰动率,其值一般位于 。
算法 1 局部领导者(LLP)阶段位置更新过程
for 每一个属于第 组的成员 do
for 每一个维度 do
if then
使用式(2)更新位置;
剩余17页未读,继续阅读
松间沙路hba
- 粉丝: 1892
- 资源: 16
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0