积分商城

最新搜索： 交流电压检测 N32WB03X遥控器 FDC2 MCGS图库 STM32F407 电动自行车整车功能设计
您现在的位置是：首页 > 技术资料 > 一种模拟羊群行为的新型群集智能算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

一种模拟羊群行为的新型群集智能算法

更新时间：2019-12-24 19:33:16 大小：936K 上传用户：守着阳光1985查看TA发布的资源 标签：群集智能算法 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对当前多种群集智能算法往往包含过多策略而掩盖算法核心机理的现状,设计了一种模拟羊群行为的新型群集智能算法.该算法从群集智能算法的核心出发,通过分别模拟羊群的三类行为:头羊引领、羊群互动和牧羊犬监督,设计群集智能算法中相对应的三种策略:全局探索、局部开发和跳出局部优化.基准测试函数的实验结果表明,较之粒子群算法,该算法能获得更高质量的解,同时具有更快的收敛速度和更好的稳定性.


部分文件列表

文件名 大小
一种模拟羊群行为的新型群集智能算法.pdf 936K

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
6
Vol． 46 No． 6  
Jun． 2018  
第
期
电
子
学
报
2018  
6
ACTA ELECTRONICA SINICA  
年
月
一种模拟羊群行为的新型群集智能算法  
1
1
2
1
3
4
， ， ， ， ，  
曲大鹏 许伦祥 鲁垚光 原晓坤 黄 敏 王兴伟  
( 1.  
，
辽宁大学信息学院 辽宁 沈阳  
110036; 2.  
，
东北大学计算机科学与工程学院 辽宁 沈阳  
110169;  
3.  
，
东北大学信息科学与工程学院 辽宁 沈阳  
110169; 4. ， 110169)  
东北大学软件学院 辽宁 沈阳  
:
，
针对当前多种群集智能算法往往包含过多策略而掩盖算法核心机理的现状 设计了一种模拟羊群行为  
摘
要
． ， : 、  
的新型群集智能算法 该算法从群集智能算法的核心出发 通过分别模拟羊群的三类行为 头羊引领 羊群互动和牧羊  
， : 、 ．  
犬监督 设计群集智能算法中相对应的三种策略 全局探索 局部开发和跳出局部优化 基准测试函数的实验结果表  
， ， ，  
明 较之粒子群算法 该算法能获得更高质量的解 同时具有更快的收敛速度和更好的稳定性  
．
:
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
群集智能 测试函数 全局探索 局部开发  
:
O224  
:
A
:
文章编号  
0372-2112 ( 2018) 06-1300-06  
文献标识码  
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 06． 004  
电子学报  
A New Swarm Intelligence Algorithm by Simulating Sheep Behaviors  
1
1
2
1
3
4
QU Da-peng ，XU Lun-xiang ，LU Yao-guang ，YUAN Xiao-kun ，HUANG Min ，WANG Xing-wei  
( 1. College of Information，Liaoning University，Shenyang Liaoning110036，China;  
2. School of Computer Science and Engineering，Northeastern University，Shenyang Liaoning 110169，China;  
3. College of Information Science and Engineering，Northeastern University，Shenyang Liaoning110169，China;  
4. College of Software，Northeastern University，Shenyang Liaoning110169，China)  
Abstract: The status of current various swarm intelligence algorithms contains many strategies which cover their core  
issues，therefore，a new swarm intelligence algorithm by simulating sheep behaviors optimization ( SO) is devised． Based on  
the core of swarm intelligence algorithms，SO designs three kinds of strategies，namely global exploration，local exploitation  
and escaping from local optimization，by simulating three different kinds of corresponding sheep behaviors，namely bellweth-  
er guidance，moving to each other，and shepherd dog supervision respectively． The experimental results of benchmark test  
functions demonstrate that，compared with particle swarm optimization，SO gets better solution，faster convergence speed and  
better stability．  
Key words: swarm intelligence; test function; global exploration; local exploitation  
，
解 并在陷入局部优化解时及时跳出从而继续寻找全局  
1
引言  
． ，  
最优解 但在实际应用中 现有群集智能算法往往由于个  
，
随着人类对自然界认知的不断深入 以微粒群算  
，
体间协同不够直接 而导致收敛较慢 如  
， PSO  
中的惯性权  
［1］  
( Particle Swarm Optimization，PSO)  
法
等为代表的群集  
． ，  
重使得微粒个体继承当前速度 而且 研究者们为了追求  
．
智能算法得到了越来越广泛的关注 它们通过众多行  
为简单的个体之间的相互作用涌现产生整体智能行  
， ， ，  
性能 往往加入了大量改进策略 虽然提高了性能 但也  
， ，  
因为引入了额外参数 不仅使得算法变得复杂 而且一定  
，
为 现已被成功应用于求解图像识别和网络设计等工  
［3］  
．
程度上掩盖了群集智能算法的核心机理  
［2］  
．
，
虽然模拟的生物行为不同 但它们具有某些  
程问题  
共同特性 如进行全局探索和局部开发  
群集智能算法的理想状态应该是能够快速找到可行  
， ，  
因此 我们从群集智能算法核心出发 即在开始时  
，
．
，
合理进行全局探索和局部开发以快速收敛到可行解  
，
及时判断是否陷入局部优化及执行相应跳出机制 并  
: 2017-04-26;  
: 2017-08-02;  
:
收稿日期  
修回日期  
责任编辑 郭游  
国家杰出青年科学基金  
( No． MCM20160201) ;  
:
基金项目 国家自然科学基金  
( No． 61572123) ;  
( No． 71325002) ;  
( No．  
国家自然科学基金重点国际合作研究项目  
( No． 20170520323) ;  
辽宁大学博士科研启动项目  
71620107003) ;  
-
教育部 中国移动科研基金  
辽宁省博士科研启动基金  
1301  
6
:
曲大鹏 一种模拟羊群行为的新型群集智能算法  
第
期
［4］  
．
( Sheep  
， ，  
空间 当前适应函数值最优的羊为头羊 引导所有羊向  
且具有尽量少参数以简化算法  
通过模拟羊群  
Optimization，SO)  
: 、  
中三类行为 头羊引领 羊群互动和牧  
， ;  
其靠近 即为头羊引领阶段 为进一步增强羊群的移动  
， : 、  
羊犬监督 分别设计相对应的三种策略 全局探索 局部  
， ，  
性 每只羊还会随机选择另一只羊进行比较 如果后者  
， ， ， ;  
更好 向其移动 否则远离它 即为羊群互动阶段 为避  
． :  
开发和跳出局部优化 具体为 通过头羊引领羊群实现  
，
免羊群陷入某个局部优化解 特设定当本代头羊与上  
， ;  
快速全局探索 使得羊群快速向已知最优解靠近 通过  
， ，  
一代头羊的差值小于阈值时 引入牧羊犬监督机制 即  
，
羊群之间的互相移动来实现局部开发 进一步加快收  
;
敛 应用牧羊犬监督来实现跳出局部优化解  
．
部分羊的位置被随机重置来跳出局部优化以寻找全局  
［11］  
，
最优解 即为牧羊犬监督阶段  
．
下面以极小化问题为  
2
相关工作  
，
例 分别给出三个阶段的算法描述  
．
PSO  
，
算法中的每个粒子代表优化问题的一个解 粒  
3. 1  
头羊引领  
，
每只羊向头羊移动的行为对应全局探索机制 为  
、 (  
子根据记忆 个体认知 向自己历史最优解学习强化局  
) (  
部开发能力 和社会认知 向种群历史最优解学习表示  
， ，  
保证搜索性能 只有在移动后的性能变好才更新 否则  
)
粒子间的协作和信息共享 来不断调整自己的速度和  
．
放弃本次更新  
， ．  
位置 逐渐靠近最优解 为了提高  
PSO  
，
算法的性能 研  
1
算法  
头羊引领算法  
究者们主要从参数设置和与其它算法相结合两方面进  
， ． ， ［5］  
行改进 并取得了大量的研究成果 例如 文献 提出  
old  
new  
Input: X  
;
Output: X  
．
，
了一种对不同粒子采用不同学习因子的方法 即适应  
old  
old  
1: for each x  
X
do  
∈
i
，
度值较好的粒子个体采用较大学习因子 反之采用较  
new  
old  
= x + rand( 0，1) × ( x  
i
old  
－ x ) ;  
bellwether i  
2:  
3:  
4:  
5:  
x
i
． ［6］  
小学习因子 文献 将具有量子行为的  
PSO  
new old  
if x ＞ x then  
i
算法与单  
i
new  
old  
= x ;  
i
， ，  
纯型算法相结合 前者引领优化的全局域 后者用作局  
x
i
end if  
6: end for  
． ［7］  
部搜索以进一步调整从前者获得的解 文献 将反向  
PSO  
，
算法 使粒子在搜寻过程中找到当  
学习策略引入  
new  
7: return X  
;
， ，  
前解的反向位置 增加寻找到全局最优解的可能性 并  
，
且基于透镜成像原理 引入缩放因子和搜索半径以平  
old  
new  
1
算法 中的  
X
X
和
分别表示执行头羊引领前与  
．
衡算法的全局探索和局部开发能力  
PSO  
old  
new  
，x  
bellwether  
，x  
i
x
和
i
i
分别表示第 只羊  
后的羊群  
表示头羊  
，
算法外 当前还有许多受其它群体现象启  
除了  
，rand( 0，1)  
［0，1］  
表示  
向头羊移动前和移动后的信息  
间
．
发的群集智能算法 例如蚁群优化算法通过信息素进行  
，
的一个随机数 以随机设置本次移动过程中羊步伐  
． lines  
［8］  
，
相互协作 形成正反馈来实现优化  
．
人工蜂群算法模拟  
3 ～5  
，
表示如果本次移动羊性能没有变好 则不更新  
．
， : 、  
蜂群的智能采蜜行为 将搜索过程分为 雇佣蜂阶段 观  
3. 2  
羊群互动  
羊群互动行为对应局部开发机制 每只羊 会与  
，
察蜂阶段和侦察蜂阶段 前两个阶段用来寻找新的食物  
，
x
i
［9］  
，
源 后一个阶段用来生成新的食物源  
．
布谷鸟搜索算法  
随机游动和  
x ， x  
随机选定的另外一只羊 进行互动策略 如果 优于  
i
j
，
Lévy flights  
模拟布谷鸟寄生育雏行为 通过  
偏好随机游动来平衡局部开发和全局探索  
上述这些群集智能算法都是通过对现实中的某个  
x ， x  
则
j
x ，x  
j
x ; ， ．  
否则 执行相反操作 同样为  
i
远离  
靠近  
i
j
［10］  
．
， ， ，  
保证搜索性能 在两只羊互动后 比较执行前后的值 如  
，
果变好则更新 否则放弃本次更新  
．
， ，  
群体行为的模拟来实现智能优化 正因为此 无法与算  
，
法核心完全吻合 即开始时合理进行全局探索和局部  
2
算法  
羊群互动算法  
，
寻优以快速收敛到可行解 并及时判断是否陷入局部  
old  
new  
Input: X  
;
Output: X  
．
． ，  
优化及执行相应跳出机制 同时 算法应具有尽量少的  
old  
old  
1: for each x  
X
do  
∈
i
． ，  
参数以保持简洁性 因此 我们提出一个从群集智能算  
old  
choose a x ( ( x  
j
old  
old  
old  
old  
2:  
3:  
4:  
5:  
6:  
7:  
8:  
9:  
X
)
( x x  
≠
i
) ) ;  
∈
∩
j
j
，
法核心出发的模拟羊群行为的新型群集智能算法 简  
old old  
if x ＜ x then  
j
i
，
单高效 容易实现  
．
new  
old old old  
= x + rand( 0，1) × ( x － x ) ;  
i
x
i
i
j
new  
old  
old  
= x + rand( 0，1) × ( x － x ) ;  
j i j  
old  
x
3
羊群算法  
j
else  
．
羊群算法主要模拟羊群觅食行为 在用来求解优  
new  
old old old  
= x + rand( 0，1) × ( x － x ) ;  
j
x
i
i
i
new  
old  
old  
= x + rand( 0，1) × ( x － x ) ;  
j j i  
old  
， ，  
化问题时 每一只羊都是一个可以自由移动的个体 若  
x
j
． ，  
干只羊组成一个羊群 在开始时 羊群随机分布在搜索  
end if  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号