Ateşböceği algoritması - Firefly algorithm

Gelen matematiksel optimizasyon , ateşböceği algoritma bir olan metasezgisel önerdiği Xin-O Yang arasında yanıp sönen davranışlarından ve ilham ateşböcekleri .

Algoritma

Sözde kodda algoritma şu şekilde ifade edilebilir:

Begin
    1) Objective function: ${\displaystyle f(\mathbf {x} ),\quad \mathbf {x} =(x_{1},x_{2},...,x_{d})}$;
    2) Generate an initial population of fireflies ${\displaystyle \mathbf {x} _{i}\quad (i=1,2,\dots ,n)}$;.
    3) Formulate light intensity I so that it is associated with ${\displaystyle f(\mathbf {x} )}$
       (for example, for maximization problems, ${\displaystyle I\propto f(\mathbf {x} )}$ or simply ${\displaystyle I=f(\mathbf {x} )}$;)
    4) Define absorption coefficient γ

    While (t < MaxGeneration)
        for i = 1 : n (all n fireflies)
            for j = 1 : i (n fireflies)
                if (${\displaystyle I_{j}>I_{i}}$),
                    Vary attractiveness with distance r via ${\displaystyle \exp(-\gamma \;r)}$;
                    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

Yukarıdaki sözde kodun n × n olduğunu öne sürmesine rağmen, döngü başına objektif fonksiyon değerlendirme sayısının ateş böceği başına bir değerlendirme olduğuna dikkat edin . (Yang'ın MATLAB koduna göre.) Dolayısıyla, toplam amaç fonksiyonu değerlendirme sayısı (nesil sayısı) × (ateşböceği sayısı) 'dır.

İki ateş böceği herhangi bir çift ana ayarlama formülü ve IS ${\ displaystyle \ mathbf {x} _ {i}}$${\ displaystyle \ mathbf {x} _ {j}}$

${\ displaystyle \ mathbf {x} _ {i} ^ {t + 1} = \ mathbf {x} _ {i} ^ {t} + \ beta \ exp [- \ gamma r_ {ij} ^ {2}] (\ mathbf {x} _ {j} ^ {t} - \ mathbf {x} _ {i} ^ {t}) + \ alpha _ {t} {\ boldsymbol {\ epsilon}} _ {t}}$

burada , basamak boyutu kontrol eden bir parametredir ve bir Gauss ya da başka dağıtım çekilen bir vektördür. ${\ displaystyle \ alpha _ {t}}$${\ displaystyle {\ boldsymbol {\ epsilon}} _ {t}}$

Sınırlayıcı durumun standart Parçacık Sürüsü Optimizasyonuna (PSO) karşılık geldiği gösterilebilir . Aslında, iç döngü (j için) kaldırılırsa ve parlaklık mevcut global en iyi ile değiştirilirse , o zaman FA temel olarak standart PSO olur. ${\ displaystyle \ gamma \ rightarrow 0}$${\ displaystyle I_ {j}}$${\ displaystyle g ^ {*}}$

Eleştiri

Genel olarak doğadan ilham alan meta - sezgiler , araştırma camiasında yenilik eksikliklerini ayrıntılı bir metaforun arkasına sakladıkları için eleştirilere yol açtı . Ateşböceği algoritması, iyi bilinen partikül sürüsü optimizasyonundan yalnızca ihmal edilebilir bir şekilde farklı olduğu için eleştirildi .

Ayrıca bakınız

• Sürü zekası

Referanslar

Dış bağlantılar

• [1] Kitapta yer alan Matlab programlarının dosyaları: Xin-She Yang, Nature-Inspired Metaheuristic Algorithms, Second Edition, Luniver Press, (2010).