人工鱼群算法pptPPT推荐.pptx
- 文档编号:15644428
- 上传时间:2022-11-10
- 格式:PPTX
- 页数:28
- 大小:972.21KB
人工鱼群算法pptPPT推荐.pptx
《人工鱼群算法pptPPT推荐.pptx》由会员分享,可在线阅读,更多相关《人工鱼群算法pptPPT推荐.pptx(28页珍藏版)》请在冰豆网上搜索。
在自然界中,多样的物种共同生活在一起,通过漫长的自然界的优胜劣汰,形成了各自的觅食和生存方式。
但是动物一般不具有人类复杂的逻辑思维和判断能力的高级智能,它们只具有简单的行为能力,这些为人类解决问题的思路带来了不少启发和鼓舞。
动物行为具有以下的特点:
鱼群模式概论2在一片水域中,鱼存在的数目最多的地方就是本水域中富含营养物质最多的地方,依据这一特点来模仿鱼群的觅食,聚群,追尾等行为,从而实现全局最优,这就是鱼群算法的基本思想人工鱼算法的基本原理人工鱼的结构模型人工鱼就是一个封装了自身数据和一系列行为的实体,可通过感官来接受环境的刺激信息,并通过控制尾鳍来做出相应的应激活动。
人工鱼所在的环境主要是问题的解空间和其他人工鱼的状态,它在下一刻的行为取决于目前自身的状态和环境的状态,并且他还通过自身的活动来影响环境,进而影响其他同伴的活动。
行为系统感知系统参数系统人工鱼群算法就是根据鱼群的行为系统、感知系统、以及参数系统,通过构造人工鱼来模仿鱼群的觅食、聚群及追尾行为,从而实现全局寻优。
感知系统人工鱼对外的感知是靠视觉来实现的,人工鱼的模型中应用如下方法实现虚拟人工鱼的视觉。
其中Rand()函数为产生0到1之间的随机数;
Step为步长参数系统人工鱼个体的状态可表示为向量,其中为欲寻优的变量;
人工鱼当前所在位置的食物浓度表示为Y=f(X),其中Y为目标函数值;
人工鱼个体之间的距离表示为。
定义定义相关参数相关参数:
(1)N:
人工鱼群的规模,作为一种多智能体算法,群体的人工鱼群的规模,作为一种多智能体算法,群体的概念是最基本的特性;
概念是最基本的特性;
(2)visual:
人工鱼的感知距离,也就是在寻优过程中,人工人工鱼的感知距离,也就是在寻优过程中,人工鱼的视野范围;
鱼的视野范围;
(3)Step:
人工鱼的移动步长,人工鱼在移动过程中,向下人工鱼的移动步长,人工鱼在移动过程中,向下一个状态前进的步长的最大值;
一个状态前进的步长的最大值;
(4):
拥挤度因子,人工鱼群的聚集规模;
(5)Try-number:
试探次数。
人工鱼改变当前状态前的尝试试探次数。
人工鱼改变当前状态前的尝试次数,满足试探次数后,如果不满足改变状态的条件,次数,满足试探次数后,如果不满足改变状态的条件,则人工鱼需要根据规则选择下次行为继续寻优。
则人工鱼需要根据规则选择下次行为继续寻优。
觅食行为聚群行为追尾行为随机行为鱼群算法在对以上四种行为进行评价后,自动选择合适的行为,从而形成了一种高效快速的寻优策略。
鱼群行为分析这些行为在不同时刻会相互转换,而这种转换通常是鱼通过对环境的感知来自主实现的,这些行为与鱼的觅食和生存都有着密切的关系,并且与我们优化问题的解决也有着密切的关系。
这是人工鱼的一种趋向食物趋向食物活动。
一般通过视觉或味觉视觉或味觉来感知水中的食物量或浓度食物量或浓度来选择趋向。
设人工鱼i的当前状态为Xi,在其感知范围内随机选择一个状态Xj,则若,则否则,重新随机选择Xj,判断是否满足前进条件,尝试Try-number次后,若还不满足,则随机前进随机前进一步觅食行为这是鱼群生存和躲避危害的一种生活习性。
在鱼群算法中,一般规定两条,一是尽量向邻近伙伴的中心移动,二是避免过分拥挤。
设人工鱼当前状态为Xi,探索当前邻域内的伙伴数目nf及中心位置Xc。
若,表明伙伴中心有较多食物且不太拥挤,则朝伙伴的中心位置方向前进一步,即否则,执行觅食行为。
聚集行为追尾行为鱼群在游动过程中,当其中一条鱼或几条鱼发现食物时,其邻近的伙伴会尾随其快速到达食物点。
即追尾行为是一种向邻近的有最高适应度的人工鱼追逐的行为,在寻优算法中可理解为向附近最优伙伴靠近的过程。
设人工鱼i的当前状态为Xi,探索当前邻域内所有伙伴中函数Yj的最优伙伴Xvbest,若,表明最优伙伴中心不太拥挤,则朝伙伴的中心位置方向前进一步,即否则,执行觅食行为。
追尾行为随机行为鱼在水中自由游动,表面看是随机的,实际是在为更大范围觅食做准备,即在视野内随机选择一个状态,然后向该方向移动。
随机行为鱼群算法的寻优原理3
(1)觅食行为中重复次数较少时,为人工鱼提供了随机移动的机会,从而可能跳出局部极值域
(2)随机步长使得人工鱼在前往局部极值的途中,有可能转向全局极值(3)拥挤度因子限制了聚群的规模,使得人工鱼能够更广泛的寻优(4)聚群行为能够促使少数陷于局部极值的人工鱼趋向全局极值的人工鱼方向聚集,从而逃出局部极值(5)追尾行为加快了人工鱼向更优状态游动。
人工鱼群算法在寻优的过程中,可能会集结在几个局部极值域的周围,使人工鱼逃出局部极值域,实现全局寻优的因素主要有:
行为评价行为评价:
用来反映鱼自主行为的一种方式。
在解决优化问题时选用两种方式评价,一种是选择最优行为执行;
另一种是选择较优方向。
对于解决极大值问题,可以使用试探法,即模拟执行聚群、追尾等行为,然后评价行动后的值选择最优的来执行,缺省的行为方式为觅食行为。
公告牌公告牌:
记录最优人工鱼个体状态。
每条人工鱼在执行完一次迭代后将自身当前状态与公告板中记录的状态进行比较,如果优于公告板中的状态则用自身状态更新公告牌中的状态,否则公告牌的状态不变。
当整个算法的迭代结束后,输出公告板的值,就是我们所求的最优值。
迭代终止条件迭代终止条件:
连续多次所得值的均方误差连续多次所得值的均方误差小于允许误差小于允许误差聚集于某个区域的人工鱼数聚集于某个区域的人工鱼数目达到某个比率;
目达到某个比率;
连续多次所获得的均值不连续多次所获得的均值不超过已找到的极值;
超过已找到的极值;
达到规定的最大迭代次数达到规定的最大迭代次数。
鱼群算法实现47.27.2鱼群算法的基本原理鱼群算法的基本原理鱼群算法的基本原理鱼群算法的基本原理初始化初始化设置:
包括种群置:
包括种群规模模N,每条人工,每条人工鱼的初始位置,人工的初始位置,人工鱼的可的可视域域Visual,步,步长step,拥挤度因子度因子,重复次数,重复次数Try-number。
计算初始算初始鱼群各个体适群各个体适应值,取最,取最优人工人工鱼状状态及其及其值赋予公告予公告牌。
牌。
对每个个体每个个体进行行评价,价,对其要其要执行的行行的行为进行行选择,包括,包括觅食、食、聚群、追尾和随机行聚群、追尾和随机行为。
执行人工行人工鱼的行的行为,更新自己,形成新,更新自己,形成新鲜鱼。
评价所有个体,若价所有个体,若谋个体个体优于公告牌,于公告牌,则将公告牌更新将公告牌更新为该个体。
个体。
当公告牌最当公告牌最优解达到解达到满意意误差界内差界内时,算法,算法结束束。
否。
否则转步步骤。
鱼群算法的步骤初始化初始化设置:
包括种群规模模N,每条人工,每条人工鱼的初始的初始位置,人工位置,人工鱼的可的可视域域Visual,步,步长step,拥挤度因子度因子,重复次数重复次数Try-number。
计算初始算初始鱼群各个体适群各个体适应值,取最,取最优人工人工鱼状状态及其及其值赋予公告牌。
予公告牌。
对每个个体每个个体进行行评价,价,对其要其要执行的行行的行为进行行选择,包括,包括觅食、聚群、追尾和随机行食、聚群、追尾和随机行为。
评价所有个体,若价所有个体,若谋个体个体优于公告牌,于公告牌,则将公将公告牌更新告牌更新为该个体。
否否则转步步骤。
算法的收敛性分析5步步步步长长(stepstep):
):
随着步长的增加,收敛速度加快,但超过一定范围后收敛速度减慢,甚至出现振荡。
因此,采用随机步长可在一定程度上防止振荡,可利用合适的固定步长和变步长来提高收敛速度和精度。
视视野野野野(VisualVisual):
由于视野对算法中各行为都有较大的影响,因此其变化对收敛性能的影响也是比较复杂的。
当视野范围较小时,人工鱼群的觅食行为和随机游动比较突出;
视野范围较大时人工鱼的追尾行为和聚群行为将变得较突出。
总体来看,视野越大,越容易使人工鱼发现全局极值并收敛。
因此对人工鱼的视野进行适当的改进,是提高人工鱼群算法优化性能的一种方向。
人工鱼群算法的参数选取尝试尝试次数次数次数次数(Try-numberTry-number):
尝试次数越多,人工次数越多,人工鱼执行行觅食行食行为的能力越的能力越强强,收,收敛效率越高,但在局效率越高,但在局部极部极值突出的情况下,易突出的情况下,易错过全局极全局极值点,即人工点,即人工鱼摆脱局部极脱局部极值的能力的能力越弱。
因此,在一般越弱。
因此,在一般优化中,可适当化中,可适当增加增加尝试次数,以加快收次数,以加快收敛速度;
在速度;
在局部极局部极值突出的情况下,突出的情况下,应减少减少尝试次数,增加人工次数,增加人工鱼随机游随机游动的概率。
的概率。
人工人工人工人工鱼鱼的数目的数目的数目的数目(NN):
人工人工鱼数目越多,数目越多,鱼群的群的群体智能越突出,收群体智能越突出,收敛速速度越快,精度越高,跳出度越快,精度越高,跳出局部极局部极值的能力也越的能力也越强强,但迭代但迭代计算量增大。
因此,算量增大。
因此,实际应用中,在用中,在满足足稳定定收收敛的前提下,的前提下,应尽量减尽量减少人工少人工鱼的数目。
的数目。
拥挤拥挤度因子(度因子(度因子(度因子():
拥挤度因子的引入是度因子的引入是为了了避免避免过度度拥挤而陷入局部而陷入局部极极值。
人工鱼群算法的参数选取拥挤度因子的定度因子的定义:
对于极大于极大值问题:
对于极小于极小值问题:
式中,式中,分分别为极极值接近水平和期望在接近水平和期望在该邻域内聚集的最大人工域内聚集的最大人工鱼数数目。
目。
拥挤度因子度因子对算法的影响(以极大算法的影响(以极大值为例):
例):
拥挤度因子越大,表明允度因子越大,表明允许拥挤的程度越小,的程度越小,摆脱局部极脱局部极值的能的能力越力越强强,但收,但收敛速度减速度减缓。
对于某些局部极于某些局部极值不不严重的重的问题,往往可以忽略,往往可以忽略拥挤的因素,既的因素,既简化算法,又加快算法收化算法,又加快算法收敛速度,提高速度,提高结果的精确程度。
果的精确程度。
总结6人工鱼群算法的特点u只需比较目标函数值,对目标函数的性质要求不高u对初值的要求不高,随机产生或设为固定值均可u对参数设定的要求不高,容许范围大u具备并行处理能力,寻优速度较快u具备全局寻优能力,能快速跳出局部极值点u具有较快的收敛速度,可以用于解决有实时性要求的问题u对于一些精度要求不高的场合,可以用它快速的得到一个可行解u不需要问题的严格机理模型,甚至不需要问题的精确描述,这使得它的应用范围得以延伸。
谢谢!
PPT模板下载:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工 鱼群 算法 ppt