资源描述：
《群体智能算法总体模式的形式化研究_汪镭.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第33卷第6期信息与控制Vol.33,No.62004年12月InformationandControlDec.,2004文章编号:10020411(2004)06069404群体智能算法总体模式的形式化研究汪镭,康琦,吴启迪(同济大学电子与信息工程学院,上海200092)摘要:在对群体智能算法给出形式化定义的基础上,给出了群体智能算法的总体模式框图,并以微粒群优化算法实例进行了具体算法模式的形式化描述.关键词:群体智能;算法模式;微粒群优化;形式化中图分类号:TP18文献标识码:AFormalization
2、ResearchonCollectivityModeofSwarmIntelligenceAlgorithmWANGLei,KANGQi,WUQidi(SchoolofElectronicsandInformation,TongjiUniversity,Shanghai200092,China)Abstract:Thispapergivesthecollectivitymodeframeworkofswarmintelligencealgorithmonthebasisofitsformalizationdefinition,anddes
3、cribestheformalizationofthealgorithmmodeindetailbytakingparticleswarmoptimizationasaspecificcase.Keywords:swarmintelligence;algorithmmode;particleswarmoptimization;formalization1引言(Introduction)群体智能算法是基于种群行为对给定的目标进行寻优的启发式搜索算法,其寻优过程体现了随机、在智能自动化研究领域,目前具有群体智能特并行和分布式等特点.对于每个智能个
4、体,其定义本征(SwarmIntelligence)的算法研究正受到越来越多身是相对的,其大小和功能要根据所求解的问题而的关注.在学术界对何为智能、何为智能控制的讨论定.并且,每个智能个体,即使处于合理的寻优进程尚无统一定论的时候,群体智能作为智能的一种实之中,其个体动态也不能保证在每个时刻都具有最现方式,至少体现了智能控制理论的多样性,而这恰佳的寻优收敛特征.其智能寻优方式的实现是通过恰与人类智能的表现形式是吻合的.[1]整个智能体群的总体优化特征来体现的.作为群体智能的典型实现,蚁群算法和微粒[2]为对群体智能算法总体模式进行探讨,
5、首先给群优化算法正在受到学术界的广泛关注.这两种出以下这些定义:典型的群体智能算法是基于种群寻优的启发式随机定义1X表示具有一定数量元素的非空集搜索算法,群体智能算法特别适用于具有NP难度合,其每个元素可表示为:X1,X2,,XN.在群体智的组合优化类问题的求解.该类算法被用于机器人[3][4][5][6]能寻优模式框架下,P代表具有一定数量智能个体系统、制造系统、通讯系统、工程设计以及i[7]N电力系统等多种场合,解决了实际系统中的动态的非空集合,即P表示由N个智能个体P1,P2,i=1[8][6][3]资源配置、参数优化、运动
6、规划以及系统辨,PN所组成的智能个体集合.其每个智能个体均[9]识等问题.本文的工作是对群体智能算法进行模具有一定的问题求解能力,具体定义由问题求解及式定义及形式化描述,并以传统微粒群优化算法为算法需求来确定.例,给出相应的模式框架.定义2DET(P)表示智能群体中智能个体检i2群体智能算法模式探讨(Modediscussion测信息的非空集合.在具体的算法模式下,如果求解onswarmintelligencealgorithm)的问题建立在D维坐标体系下,各智能个体的坐标收稿日期:2004-06-15基金项目:国家自然科学基金
7、资助项目(70271035,60104004);上海市启明星计划资助项目(03QG14053);国家973计划资助项目(2002CB312202).6期汪镭等:群体智能算法总体模式的形式化研究695检测信息总和可表示为DET(P),其中每个智能个该算法可以是微粒群优化算法、蚁群算法和遗传算DiD法等.体Pi的D维坐标信息检测集合可表示为DET(Pi),j=1根据上面的定义,可以将群体智能算法的模式如果DET用坐标特征符C表示,则上述坐标信息检表述为下面的伪方程:D测可表示为C(Pi),并可展开表示为C(j,Pi),i=1,INSTR
8、(P)=ALG(INF(P),j=1ii,N,j=1,,D.如果问题求解是在三维空间下,AIM(P),DET(P),CHA)(1)ii相应
