智能优化算法:鸽群优化算法-附代码
智能优化算法:鸽群优化算法-附代码
文章目录
- 智能优化算法:鸽群优化算法-附代码
- 1.算法原理
- 1.1 指南针算子
- 1.2 地标算子
- 2.算法结果
- 3.参考文献
- 4.Matlab代码
- 5.Python代码
摘要:2014 年 段 海 滨 教 授 通 过 归 纳 总 结 , 提 出 鸽 群 算 法(Pigeon-inspired Optimization PIO),PIO 是模拟鸽子归巢行为而设计出来的群智能优化算法。PIO 具有原理简明的特点、需要调整参数极少、易于被实现。与其他算法比较有着计算相对简单,鲁棒性相对较强等明显的优点。
1.算法原理
鸽子在距离目的地较远时,是在地磁场和地标建筑的帮助下到达目的地。影响鸽群归巢的关键原因可分为 3 类,第一个原因是太阳,第二个原因是地球的磁场,第三个原因是地貌景观,而鸽子在飞行的过程中,根据不同的情况会使用不同的巡航工具。首先通过地磁场来对一个大概的方向进行辨别,然后利用地貌景象对目前的方向实施修正,直到到达精确的目的地。所以 PIO 算法中鸽子归巢有两个基本部分组成:指南针算子和地标算子。当鸽子距离自己目的地较远时是利用地磁场来辨别方向,当距离目的地比较近时就利用当地地标来进行导航。在 PIO 中地图和指针算子模型的提出就是基于地磁场和太阳,而地标算子模型的提出是基于地标。
1.1 指南针算子
地图模型是基于地磁场,我们用xix_ixi 和viv_ivi来分别表示第 iii只鸽子的位置和速度。在二维空间里面,鸽子的位置和鸽子的速度在每次迭代过程中进行更新。第iii只鸽子的速度和鸽子的位置将分别用的公式(1)和公式(2)进行相应的迭代计算:
Vi(t)=Vi(t−1)∗e−Rt+rand∗(Xg−Xi(t−1))(1)V_i(t) = V_i(t-1)*e^{-Rt} + rand*(X_g - X_i(t-1))\tag{1} Vi(t)=Vi(t−1)∗e−Rt+rand∗(Xg−Xi(t−1))(1)
Xi(t)=Xi(t−1)+Vi(t)(2)X_i(t) = X_i(t -1) + V_i(t) \tag{2} Xi(t)=Xi(t−1)+Vi(t)(2)
第i 只鸽子的速度是由它上一代的速度和当前鸽子最好位置和所在位置共同决定,其中 R 是地图因子,rand 是一个随机数,t 为代数。而第i 只鸽子的位置是由之前位置和当前速度决定。所有鸽子的飞行是通过地图来保证的,进行比较可以得到鸽子最好位置,即XgX_gXg,每一只鸽子将根据公式(1)向拥有最好位
置的鸽子来进行方向的调整和飞行,而公式(2)则是进行位置的调整。
1.2 地标算子
地标模型根据鸽子利用地标来进行导航而建立。在利用地标导航时,距离目的地的位置比利用地图导航的距离更近,如果鸽子对现在所处的位置地标不熟悉时,则在附近鸽子的带领下进行飞行,当找到标志性建筑物或者熟悉位置时,则根据经验自由飞行。在地标模型中,在每一代中用NpN_pNp 来记录一半鸽子的个数,Xc(t)X_c(t)Xc(t) 为第t 代所有鸽子的中心位置,假如每一只鸽子可以飞直线距离到达目的地,将有如下公式:
Np(t)=Np(t−1)2(3)Np(t) = \frac{Np(t-1)}{2} \tag{3} Np(t)=2Np(t−1)(3)
Xc(t)=∑Xi(t)∗fitness(Xi(t))Np∗∑fitness(Xi(t))(4)X_c(t) = \frac{\sum X_i(t)*fitness(X_i(t))}{Np*\sum fitness(X_i(t))} \tag{4} Xc(t)=Np∗∑fitness(Xi(t))∑Xi(t)∗fitness(Xi(t))(4)
Xi(t)=Xi(t−1)+rand∗(Xc(t)−Xi(t−1))(5)X_i(t) = X_i(t-1) + rand*(X_c(t) - X_i(t -1))\tag{5} Xi(t)=Xi(t−1)+rand∗(Xc(t)−Xi(t−1))(5)
在公式中fitness(x)fitness(x)fitness(x)是每只鸽子的质量。
算法流程:
步骤 1:初始化 PIO 算法参数,如解空间的维数D ,种群规模PN ,地图和指南针因子 R,两算子迭代Nc1N_{c1}Nc1 和Nc2N_{c2}Nc2 ,其中要求Nc1>Nc2N_{c1}>N_{c2}Nc1>Nc2
步骤 2:设置每只鸽子的随机速度和路径。比较每只鸽子的适应度值,找出目前最好的路径。
步骤 3:首先,我们通过使用公式(1)和(2)更新每一个鸽子的速度和路径。然后,比较所有鸽子的适应度值,并找到新的最佳路径。
步骤 4:如果 NC>NC1,转到下一个操作。否则,转到步骤3。
步骤 5:所有的鸽子根据它们的适应度排名。一半适应度低的鸽子,将根据公式(3)减半。然后,根据方程(4)找到所有鸽子的中心,这个中心是理想的目的地。所有的鸽子将飞到目的地,根据方程(5)调整它们的飞行方向。下一步,存储最佳的解决方案参数和最佳的成本值.
步骤 6:如果 NC>NC2max,停止操作,并输出结果。如果不是,转到步骤 5
2.算法结果
3.参考文献
[1]郭瑞. 鸽群优化算法及其应用研究[D].广西民族大学,2017.
4.Matlab代码
5.Python代码
个人资料介绍
智能优化算法:鸽群优化算法-附代码相关推荐
- 智能优化算法:闪电搜索算法-附代码
智能优化算法:闪电搜索算法-附代码 文章目录 智能优化算法:闪电搜索算法-附代码 1.算法原理 1.1 过渡放电体 1.2 空间放电体 1.3 引导放电体 2.算法结果 3.参考文献 4.Matlab ...
- 智能优化算法:布谷鸟搜索算法-附代码
智能优化算法:布谷鸟搜索算法-附代码 文章目录 智能优化算法:布谷鸟搜索算法-附代码 1.算法原理 2.算法结果 3.参考文献 4.Matlab代码 摘要:谷鸟搜索算法(cuckoo search , ...
- 基于蝙蝠算法优化BP神经网络的数据分类算法及其MATLAB实现-附代码
基于蝙蝠算法优化BP神经网络的数据分类算法及其MATLAB实现-附代码 文章目录 基于蝙蝠算法优化BP神经网络的数据分类算法及其MATLAB实现-附代码 1 蝙蝠算法与BP神经网络分类模型 1.1 蝙 ...
- 基于灰狼算法优化支持向量机的数据分类算法及其MATLAB实现-附代码
基于灰狼算法优化支持向量机的数据分类算法及其MATLAB实现-附代码 文章目录 基于灰狼算法优化支持向量机的数据分类算法及其MATLAB实现-附代码 1 GWO-SVM 模型 1.1 灰狼优化器GWO ...
- 相位 unwrap 与 wrap 算法详解(附代码)
相位 unwrap 与 wrap 算法详解(附代码) 最近接手了一个项目,光通信方面的,我负责编写初测结果的数据处理算法,其中有一个算法叫做 unwrap 与 wrap,之前没有听说过.通过询问同事与 ...
- 数据挖掘领域十大经典算法之—SVM算法(超详细附代码)
相关文章: 数据挖掘领域十大经典算法之-C4.5算法(超详细附代码) 数据挖掘领域十大经典算法之-K-Means算法(超详细附代码) 数据挖掘领域十大经典算法之-Apriori算法 数据挖掘领域十大经 ...
- 二分查找算法详解(附代码)
二分查找算法详解(附代码) 注: 现有一个升序 不重复的数组 查询target是否在此数组中并返回序号 使用条件 使用二分算法的两个条件: 有序 不重复 混淆处 二分算法两种方式容易弄混淆的地方:就是 ...
- 数据挖掘领域十大经典算法之—AdaBoost算法(超详细附代码)
相关文章: 数据挖掘领域十大经典算法之-C4.5算法(超详细附代码) 数据挖掘领域十大经典算法之-K-Means算法(超详细附代码) 数据挖掘领域十大经典算法之-SVM算法(超详细附代码) 数据挖掘领 ...
- 麻雀优化算法_多种智能优化算法应用案例分享-附代码
1.智能优化算法应用:基于灰狼算法的Otsu图像多阈值分割 智能优化算法应用:基于灰狼算法的Otsu图像多阈值分割-附代码_Jack旭的博客-CSDN博客blog.csdn.net 2.智能优化算法 ...
- 智能优化算法:麻雀搜索算法-附代码
2020智能优化算法:麻雀搜索算法 文章目录 2020智能优化算法:麻雀搜索算法 1.算法原理 2.算法结果 3.参考文献 4.Matlab代码 5.Python代码 摘要:麻雀搜索算法(Sparro ...
最新文章
- PL/SQL Developer(解压版)连接64位的Oracle11g
- Hadoop核心架构HDFS+MapReduce+Hbase+Hive内部机理详解
- 互联网思维之求职信,百战百胜
- css--css选择器,伪类
- SharePoint 2007 用户创建 MySite 过程发生错误一例【已解决】
- SAP CDS view查询的fixed limit
- java jtextarea 滚动条_java 在JTextArea中显示 滚动条
- 读《我们终将逝去的青春》
- 突出重围:Oracle 10.2.0.5应用SCN补丁解决DB Link预警实践
- 实战演练:洞若观火--治堵之道在清源
- FPGA_EP2C8T144_SCH(PDF)
- Harris角点检测算法手动实现
- 【转】javascript判断浏览器是不是IE
- LINUX编译OpenJDK,也可以指定freetype
- css3 烟 蚊香_CSS3 冒烟的管道 | 烟囱
- GIMP小波分解处理照片
- gitbub(cp:http://www.linuxidc.com/Linux/2014-03/97821.htm)
- 基于MPlayer的QT媒体播放器
- 图解格拉姆-施密特正交化和改进的格拉姆-施密特正交化
- 计算机为什么会出现网络用户,电脑登陆QQ经常提示异地登陆是怎么回事?
热门文章
- Centos7---1708 Linux上安装ZooKeeper 以及JDK1.8安装
- JDBC8.011连接数据库 3个小改动
- 每天一道剑指offer-二叉树中和为某一值的路径
- springsecurity 登录失败_145-Spring Security
- 怎么用计算机弹histheme,来至世界最好的器乐演奏大合集可做音乐素材-Various Artists 2015 (20CD)FLAC/MP...
- linux ping raw socket -(signal),***之旅――原始套接字(Raw Socket)透析(3)--用Raw Socket实现Ping...
- python对列表进行去重_Python编程常用技巧–持续更新
- 前端入职后很痛苦_NGW前端新技术赛场:Serverless SSR 技术内幕
- python怎么一次输入两个数_python如何一次性输入多个数
- Eclipse2019开发javaweb应用的配置(解决eclipse中没有Server配置选项和没有Dynamic Web Project项目类型)