【实例简介】

新研究出来的仿生优化算法，大家可以借鉴学习，效果很好，值得推荐

仿生原理

天牛须搜索是受到天牛觅食原理启发而开发的算法

天牛须搜索的生物原理:

当天牛觅食时,天牛并不知道实物在哪里,而是根据

食物气味的强弱来觅食。天牛有两只长触角,如果

左边触角收到的气味强度比右边大,那下一步天牛

就往左飞,否则就往右飞。依据这一简单原理天牛

就可以有效找到食物。

天牛须搜索对我们的启发:

食物的气味就相当于一个函数,这个函数在三维空间

每个点值都不同,天牛两个须可以采集自身附近两点

的气味值,天牛的目的是找到仝局气味值最大的点

仿照天牛的行为,我们就可以高效的进行函数寻优

仿生原理

天牛寻找食物图解

真的

再吃,會胖

右须信号强,右运动

右须信号强,右运动

左须信号强左运动

右须信号强,右运动

左须信号强,左运动

出发吧,沿着

香味的方向,

去寻找披萨

算法

·天牛在三维空间运动,而天牛须搜索需要对任意维

函数都有效才可以。因而,天牛须搜索是对天牛生

物行为在任意维空间的推广

●我们采用如下的简化模型假设描述天牛:

1.天牛左右两须位于质心两边

2天牛步长step与两须之间距离d0的比是个固定常数即

step=c*d0其中c是常数。即,大天牛(两须距离长)走大步

小天牛走小步。

天牛质心

3.天牛飞到下一步后,头的朝向是随机的

天牛左须

天牛右须

简化模型

两须之间的距离d0

建模(n维空间函数f最小化)

°第一步:对于一个n维空间的优化问题,我们用xl表

示左须坐标,xr表示右须坐标,x表示质心坐标,用

d0表示两须之间距离。根据假设3,天牛头朝向任意

因而从天牛右须指向左须的向量的朝向也是任意的

所以可以产生一个随机向量dir= rands(m,1)来表示它

对此归一化:dir=dir/norm(dir);我们这样可以得到

xl-xr=d0dir;显然,xl,x还可以表示成质心的表

达式:xl=x+d0*dir/2;xr=x-d0*dir/2

天牛质心

天牛左须

天牛右须

简化模型

两须之间的距离d0

建模

●第二步:对于待优化函数f,求取左右两须的值:

eft-f(x); fright=f(xr);判断两个值大小,

口如果

为了探寻的最小值,则天牛向着左须

方向行进距离

口如果

为了探寻的最小值,则天牛向着右须

方向行进距离

口如上两种情况可以采用符号函数统一写成:

(注:其中

是归一化函数)

建模

基本步骤就这两步。总结下:

odir= rands(n,1);dir=dir/norm(dir);%须的方向

xl=x+d0*dir/2;xr=x-d0*dir/2.%须的坐标

循环迭

o fleft=f(xl); fright=f(xr);%须的气味强度

*dir

%下一步位置

◆几点说明:

核心代码如上,只有行

实用中可以设置可变步长,由于假设中我们认为

其中是常数,变

步长意味着

为变化的

关于步长

◆关于变步长,推荐如下两种:

每步迭代中采用

,其中在之间靠近,通常可取

引入新变量和最终分辨率

◆关于初始步长:初始步长可以尽可能大,最好与自变量最大长度相当

Matlab程序

function bas(

● clear

all

close a

6初始化部分

eta=0.95;

e c=5 ratio between step and do

o step=1: initial step set as the largest input range

n=100. iterations

o k=20 space dimension

X=rands(k, 1);%/intial value

xbest=x

e fbest=f(xbest)

● tbest store≡ tbest;

x_store=[0; X; tbest]

isplay([o: ',xbest=[, num2str(xbest ), 1, fbest=, num2str(fbest)1)

【实例截图】

【核心代码】