Самоадаптивный алгоритм бактериального поиска
Автор: Ершов Николай Михайлович, Полуян Сергей Владимирович
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Статья в выпуске: 1, 2017 года.
Бесплатный доступ
Алгоритмы роевой оптимизации, рассматриваемые в данной работе, основаны на моделировании коллективного поведения в колониях живых организмов - муравьев, бактерий, пчел и т.д. Настоящая работа посвящена описанию нового подхода к построению самоадаптивных алгоритмов роевой оптимизации, в которых происходит автоматическая настройка части параметров алгоритма в процессе его выполнения. Идея построения самоадаптивного эволюционного алгоритма заключается в том, что на фоне основного алгоритма оптимизации запускается вспомогательный генетический алгоритм, целью работы которого является настройка параметров базового алгоритма, обеспечивающая максимально возможную скорость его сходимости. Приводятся результаты численного исследования самоадаптивного алгоритма бактериального поиска на примере решения стандартных тестовых задач непрерывной оптимизации.
Методы роевого интеллекта, оптимизация, генетические алгоритмы
Короткий адрес: https://sciup.org/14122645
IDR: 14122645
Self-adaptive bacterial foraging algorithm
Swarm optimization algorithms, considered in this paper, are based on the modeling of collective behavior in the colonies of living organisms - the ants, bacteria, bees, etc. The present work is devoted to the description of a new approach to building self-adaptive swarm optimization algorithms, with automatic adjustment of the algorithm parameters during its execution. The idea of constructing self-adaptive evolutionary algorithm is following - in the background of the main optimization algorithm we run auxiliary genetic algorithm, which purpose is the adjustment of the parameters of the basic algorithm, providing the maximum possible speed of convergence. The results of the numerical analysis of the self-adaptive version of bacterial foraging algorithm for standard test problems of continuous optimization are described.
Список литературы Самоадаптивный алгоритм бактериального поиска
- Bonabeau E., Dorigo M., Theraulaz G. Swarm Intelligence: from Natural to Artificial Systems. - New York: Oxford University Press, Inc., 1999.
- Passino K. M. Biomimicry of Bacterial Foraging for Distributed Optimization and Control // IEEE Control Systems Magazine. - 2002. - Vol. 22. - № 3. - Pp. 52-67.
- Whitley D. A Genetic Algorithm Tutorial // Statistics and Computing. - 1994. - Vol. 4. - № 2. - Pp. 65-85.
