《蝙蝠算法概述》1700字.docxVIP

蝙蝠算法概述

1.1基本蝙蝠算法原理

考虑如下单目标无约束优化问题：

minf

蝙蝠算法模拟了蝙蝠利用回声定位机制来觅食的过程，设定义域内生活着n只虚拟蝙蝠。在第t代时，蝙蝠i（i=1，2，…，n）所含信息可以表示一个五元组[xit，vit，frit，Ait，rit]。其中，xit=(xi1t,xi2t，…，xi

蝙蝠算法是建立在如下理想假设上的：

（1）所有的蝙蝠都运用回声定位来判断食物、猎物之间的不同．

（2）所有的蝙蝠是以固定的频率frit和在位置Xi时的速度vit来随机飞行的，并通过改变波长λ和响度A

（3）虽然响度可以通过很多种方式改变，但通常假定响度是从一个很大的正数A0变到一个很小的常数Amin。

以下是关于蝙蝠算法中，各个蝙蝠种群中的个体的频率与速度的计算公式：

fi

vi

xi

其中，fi表示第i个蝙蝠使用的搜索脉冲频率，fi∈fmin，fmax；vt

xnew

其中，?是随机变量，其范围是0,1。

Ai

ri

其中，Ait表示第i个蝙蝠在t时候的响度，α是响度衰减变换的系数，取0,1上的常数；ri0表示第i个蝙蝠的最大的脉冲发射率大小，rit+1表示第i个蝙蝠在

随着对蝙蝠算法的不断深入研究，研究人员发现蝙蝠算法在求解复杂优化问题时具有良好的全局搜索能力。蝙蝠算法具有鲁棒性强、控制参数少、全局搜索性能好、适合并行处理等优点。然而，从蝙蝠算法本身的迭代机制来看，蝙