群体智能优化算法学习

这是开通CSDN以来的第一篇博文，之前专门开通过新浪博客，想记录下一些学习的心得，可自己一直拖沓，没好好学习，这个就用来作为自律的练习，坚持下来的好习惯！！！

本来对优化算法了解特别少，基本属于零的状态，常用的粒子群，鱼群通通不太清楚，更别说程序实现了，这部分有空再补，这两天主要在概念上了解了狼群算法，烟花算法以及合同网协议算法，目前还没编过程序。

狼群算法

1. 定义：模仿狼群社会分工和捕食行为的一种智能优化算法。

2. 优点：算法稳定且搜索能力强。（不完整）

3. 组成：

依据狼群的社会分工——>头狼，探狼和猛狼
依据狼群的捕食过程——>游走行为，召唤行为以及围攻行为
依据狼群的社会等级——>胜者为王的头狼产生规则
依据猎物分配规则——>强者生存的狼群更新机制

4. 算法流程

具体过程可参看文章[1]。

合同网协议算法（只看了一篇文献，或许有些片面，以后再补）

1. 定义：基于投标，竞标等市场机制，协调多个Agent间的任务，是分布式控制常用的协商策略。

2. 优点：通信量少，鲁棒性能好

3. 组成：

管理者：任务的拥有者，负责任务的分配和管理
投标者：有能力完成任务的节点，就所分配的任务参与竞标
中标者：最后竞标的成功者，负责完成任务

4. 基本思想

将协商引入到管理者和投标者的双向选择过程中，当当管理者有任务需要其它结点帮助解决时, 它就向其他结点广播有关该任务信息,即发出任务通告(招标),接到招标的结点则检查自己对解决该问题的相关能力, 然后发出自己的投标值并使自己成为投标者, 最后由管理者评估这些投标值并选出最合适的中标者授予任务。在招投标过程中,利用通信机制对每个任务的分配进行协商, 避免资源、知识等的冲突，即节点之间通过招标，投标，中标这一市场投标机制进行任务分配，使系统以较低的代价，较高的质量完成分布式任务[3]。

烟花算法[4]

1. 定义：模拟烟花爆炸的方式进行多点同时爆炸式搜索

2. 优点：爆发性，瞬时性，简单性，局部覆盖性，涌现性，分布并行性，多样性，可扩充性和适应性

3. 组成：爆炸算子（包括爆炸强度，爆炸幅度，位移变异），变异操作（如高斯变异操作），映射规则（包括模运算规则，镜面反射规则和随机映射规则）和选择策略（基于距离的选择和随机选择等）。

4. 算法流程：

1）随机选择N个烟花初始化群体

2）让群体中的每个烟花经历爆炸操作和变异操作

3）使用映射规则保证变异后的个体仍处于可行域内

4）在保留最优个体（即精英策略）的前提下，使用选择策略从生成的所有个体（烟花，火花）中选择出余下的 N-1 个个体共同组成下一代。

心得体会：

对于优化算法的探究，可以比较几种不同的优化算法，第一步为对一些特定函数的比较（可查相关的参考文献），观察其最佳值，最差值，收敛速度以及平均值，标准差等统计值（有待补充），第二步为对特定实际问题的优化求解（这类实际问题已经抽象成数学模型），观察其算法性能。

目前还未真正使用过优化算法求解问题，可能只是纸上谈兵，平时多抓紧时间用程序仿真探索一下，cheer on!

参考文献：

[1] 吴虎胜，张凤鸣，吴庐山. 一种新的群体智能算法——狼群算法. 系统工程与电子技术[J].

[2] Peng Yao, Honglun Wang, Hongxia Ji. Multi-UAVs tracking target in urban environment by model predictive control and Improved Grey Wolf Optimizer. Aerospace Science and Technology[J].

[3] 刘跃峰，张安. 有人机/无人机编队协同任务分配方法. 系统工程与电子技术[J].

[4] http://blog.sciencenet.cn/blog-528739-903426.html （谭营《烟花算法引论》）

[5] 马焱，赵捍东，张玮等. 基于自适应烟花算法的多无人机任务分配. 电光与控制[J].