第十章-群集智能与蚁群算法应用.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 演算法介绍 每个寻优的问题解都被想象成一只鸟，我们也称为“Particle”。 所有的Particle 都有一个fitness function 以判断目前的位置之好坏， 每一个Particle必须赋予记忆性，能记得所搜寻到最佳位置。 每一个Particle 还有一个速度以决定飞行的距离与方向。 * 粒子群优化:The Anatomy of a Particle A particle (individual) is composed of: Three vectors: The x-vector records the current position (location) of the particle in the search space, The p-vector records the location of the best solution found so far by the particle, and The v-vector contains a gradient (direction) for which particle will travel in if undisturbed. Ik X = xk0,xk1,…,xkn-1 P = pk0,pk1,…,pkn-1 V = vk0,vk1,…,vkn-1 x_fitness = ? p_fitness = ? * 粒子群优化:The Anatomy of a Particle A particle (individual) is composed of: Two fitness values: The x-fitness records the fitness of the x-vector, and The p-fitness records the fitness of the p-vector. Ik X = xk0,xk1,…,xkn-1 P = pk0,pk1,…,pkn-1 V = vk0,vk1,…,vkn-1 x_fitness = ? p_fitness = ? * 速度更新 Vid ：每一Particle在第d维之速度 i：Particle之编号 d：维度 w ：Inertia Weight c1、c2：学习 Rand()：一介于0至1的随机数 Pid ：每一Particle到目前为止，所出現的最佳位置 Pgd ：所有Particle到目前为止，所出現的最佳位置 xid ：每一Particle目前之所在 * 演算法流程 1.Initial 将群族做初始化，以随机的方式求出每一Particle 之初始位置与速度。 2.Evaluation： 依据fitness function 计算出其fitness value 以作为判断每一Particle之好坏。 3.Fine the Pbest： 找出每一Particle 到目前为止的搜寻过程中最佳解，这个最佳解我们将之称为Pbest。 4.Fine the Gbest： 找出所有Particle 到目前为止所搜寻到的整体最佳解，此最佳解我们称之为Gbest。 5.Update the Velocity： 依据式(1) 与式(2) 更新每一Particle之速度与位置。 6. 回到步骤2. 继续执行，直到获得一个令人满意的结果或符合终止条件为止。 * 粒子群优化:Swarm Search Actually, we must adjust the v-vector before adding it to the x-vector as follows: vid = vid + ?1*rnd()*(pid-xid) + ?2*rnd()*(pgd-xid); xid = xid + vid; Where i is the particle, ?1,?2 are learning rates governing the cognition and social components Where g represents the index of the particle with the best p-fitness, and Where d is the dth dimension. * 粒子群优化:Swarm Search Intially the values of the velocity vect