社会情感优化算法混合策略研究

《社会情感优化算法混合策略研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据第一章引言卜一i一种群却始纯iY计算个体适应度V至l

2、_————JL————]L——一!fill执行交筹算孑{童羔==一．：：∑。。』二兰：』}图1．1遗传算法流程图Fig．1．1FlowchartofGA1．2．2思维进化算法思维进化算法【19-22I(MindEvolutionaryComputation，MEC)是类似遗传算法和模拟退火算法的一种进化算法，它通过趋同和异化两种操作来模拟人类思维进化过程。算法首先随机产生M个个体，从中选取最优的S+T个个体(S+T<

3、内竞争学习的过程，在每个群体内部找出得分最好的个体作为优胜者，在局部公告板公布优胜者信息，让其他个体学习来改变得分，当找不到更好的个体时，当前优胜者的得分就是该子群的得分，这个子群体成熟。异化是在各群体之间进行的，当某一临时子群气万方数据社会情感优化算法混合策略研究体成熟后的得分高于任一成熟的优胜子群体的得分，则以此临时子群体替代此优胜子群体，这就是异化。趋同操作实现了子群体内部个体在局部域内相互竞争，完成局部寻优，异化操作实现了全局竞争。思维进化算法基本结构框架如图1．2所示，算法流程如图1．3所示。目前，思维进化算法已经成功的应用于变压器故障诊断㈤，非数值优化问题【24】

4、，多目标规划问题【25】等方面。图1．2思维进化算法的基本结构框架Fig．1．2ThebasicstructuralframeworkofMEC4万方数据第一章引言产生个体，评价个体TI构成S个优胜子群体和T个临时子群体NP群繁趋同操TP群繁异化操图1．3思维进化算法流程Fig．1．3FlowchartofMEC1．3群智能算法群智能‘9，10，¨，121是一种随机优化算法，采用群体模式的迭代方式，利用个体之间的竞争与合作来交流信息，并对得到的信息加以分析，做出相应的决策。常见的群智能算法有：人工蜂群算法(Anificialbeecolonyalgorithm，ABC)i2∞

5、81、．h．_圳-(ArtificialfishswarlTlalgorithm，AFSA)[29,3q和粒子群算法131-37]等。1．3．1蜂群算法2005年的时候，Karaboga提出了人工蜂群算法(Artificialbeecolonyalgorithm，ABC)f261。蜂群算法模拟了蜜蜂采蜜的过程。蜜蜂采蜜的时候，一直把找到好的蜜源作为目标。侦查蜂出去寻找蜜源，当找到蜜源的时候，就飞回来用舞蹈信息与其他蜜蜂分享蜜源信息(食物源丰富程度与食物距离方位信息)，剩余的蜜蜂根据侦查蜂带回的蜜源信息作出判断，决定是否跟着出去采蜜，跟随其他蜜蜂出去采蜜的蜜蜂是跟随蜂，带着别的

6、蜜蜂出去采蜜的是引领蜂，。剩余的蜜蜂继续寻找蜜源，当找到更好的蜜源的时候就放弃旧的蜜源，同时找到新蜜源的蜜蜂就成为新的引领蜂。在算法中，蜜源就是问题的可行解，蜜源的好坏根据收益值函数进行判断，蜜蜂找到的蜜源收益值越气万方数据社会情感优化算法混合策略研究好，成为引领蜂的可能性就越大。跟随蜂以一定的概率选择引领蜂。蜂群算法不需要了解问题的特殊信息，只需要比较可行解的优劣，因此收敛速度比较快。所以在很多方面尤其是组合优化方面【38411有着广泛应用。蜂群算法的流程见图1．4。图1．4蜂群算法流程图Fig．1．4FlowchartofABC1．3．2人工鱼群算法人工鱼群算法【29，3

7、01是李晓磊等提出的一种源于鱼群的觅食行为仿生优化算法。主要参考鱼群的觅食行为(鱼通过视觉或味觉来感知水中的食物量或食物浓度来选择行动方向)、聚群行为(为了躲避敌害，大量或少量的鱼聚集成群，进行集体觅食)、追尾行为(当某～条一或几条鱼发现食物时，它们附近的鱼会尾随而来)和随机行为(鱼在水中随机的自由游动)。可以采取以下形式来描述人工鱼群算法的行为。觅食行为：设人工鱼当前状态为j，在其感知范围内随机选择一个状态，，并探查状萄的食物浓度，如果状萄的食物浓度大于状态f，则向状态，前进一步；若状态，的食物浓度小于状态f，则放弃状态，，重新随机选择新的状态，并判断食物浓度，看是否符合前

8、进条件，如果经过若干次仍不满足前进条件，则随机前进一步。6万方数据第一章引言聚群行为：探索当前位置的邻域内的伙伴数目及中心位置，如果发现有伙伴的地方食物浓度够高而且不是很拥挤，那么就向伙伴的中心位置移动一步。否则就觅食。没找到伙伴，执行觅食行为。聚群的时候要遵循两个规则：(1)尽量向邻域内伙伴的中心位置移动；(2)避免过分拥挤。追尾行为：探索当前邻域内的适应值较大的伙伴，若适应值较大的伙伴周围食物密度不错，也不是很拥挤，则朝适应值大的伙伴移动，否则执行觅食行为：如果没找到伙伴，也执行觅食行为。人工鱼群算