Algorytm Firefly - Firefly algorithm
W optymalizacji matematycznej The algorytm świetlika jest metaheurystyka proponowany przez Xin Yang-She i inspirowane przez migające zachowania świetliki .
Algorytm
W pseudokodzie algorytm można określić jako:
Begin 1) Objective function: ; 2) Generate an initial population of fireflies ;. 3) Formulate light intensity I so that it is associated with (for example, for maximization problems, or simply ;) 4) Define absorption coefficient γ While (t < MaxGeneration) for i = 1 : n (all n fireflies) for j = 1 : i (n fireflies) if (), Vary attractiveness with distance r via ; move firefly i towards j; Evaluate new solutions and update light intensity; end if end for j end for i Rank fireflies and find the current best; end while Post-processing the results and visualization; end
Zauważ, że liczba ocen funkcji celu przypadających na pętlę to jedna ocena na świetlika, mimo że powyższy pseudokod sugeruje, że wynosi ona n × n . (Na podstawie kodu Yanga MATLAB .) Zatem całkowita liczba ocen funkcji celu wynosi (liczba pokoleń) × (liczba świetlików).
Główna formuła aktualizacji dla dowolnej pary dwóch świetlików i to
gdzie jest parametrem kontrolującym wielkość kroku, podczas gdy jest wektorem narysowanym z rozkładu Gaussa lub innego.
Można wykazać, że przypadek graniczny odpowiada standardowej optymalizacji roju cząstek (PSO). W rzeczywistości, jeśli wewnętrzna pętla (dla j) zostanie usunięta, a jasność zostanie zastąpiona obecną najlepszą globalną , to FA zasadniczo staje się standardowym PSO.
Krytyka
Generalnie inspirowane naturą metaheurystyki wzbudziły krytykę w społeczności badawczej za ukrywanie braku nowości za wyszukaną metaforą. Algorytm świetlika został skrytykowany jako różniący się od dobrze znanej optymalizacji roju cząstek tylko w znikomym stopniu.
Zobacz też
Bibliografia
- ^ Yang, XS (2008). Algorytmy metaheurystyczne inspirowane naturą . Luniver Press . ISBN 978-1-905986-10-1.
-
^ Almasi, Omid N .; Rouhani, Modjtaba (2016). „Nowe rozmyte przypisanie członkostwa i podejście do wyboru modelu oparte na dynamicznych centrach klas dla rodziny rozmytych SVM przy użyciu algorytmu świetlika” . Turkish Journal of Electrical Engineering & Computer Sciences . 4 : 1–19. doi : 10.3906 / elk-1310-253 .
Praktyczne zastosowanie FA w zbiorach danych UCI.
-
^ Lones, Michael A. (2014). „Metaheurystyka w algorytmach inspirowanych naturą” (PDF) . GECCO '14 : 1419–1422. CiteSeerX 10.1.1.699.1825 . doi : 10.1145 / 2598394.2609841 . ISBN 9781450328814.
Z drugiej strony FA niewiele różni się od PSO, przy czym prawo odwrotnych kwadratów ma podobny efekt do stłoczenia i współdzielenia sprawności w EA, a także stosowania wielu rojów w PSO.
-
^ Weyland, Dennis (2015). „Krytyczna analiza algorytmu wyszukiwania harmonii - jak nie rozwiązywać sudoku” . Perspektywy badań operacyjnych . 2 : 97–105. doi : 10.1016 / j.orp.2015.04.001 .
Na przykład, różnice między metaheurystyczną optymalizacją roju cząstek a „nowatorskimi” metaheurystykami, takimi jak algorytm świetlika, algorytm optymalizacji muszki owocowej, algorytm optymalizacji roju ryb czy algorytm optymalizacji roju kotów, wydają się nieistotne.
- ^ Ariyaratne MKA, Pemarathne WPJ (2015) Przegląd ostatnich postępów w algorytmie świetlika: nowoczesny algorytm inspirowany naturą. W: Proceedings of the 8th international research Conference, 61–66, KDU, opublikowane listopad 2015, http://ir.kdu.ac.lk/bitstream/handle/345/1038/com-047.pdf?sequence=1&isAllowed= y
Linki zewnętrzne
- [1] Pliki programów Matlab zawarte w książce: Xin-She Yang, Nature-Inspired Metaheuristic Algorithms, Second Edition, Luniver Press, (2010).