Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen Fledermaus-Algorithmus (BA)"

[MetaQuotes]

Neuer Artikel Algorithmen zur Optimierung mit Populationen Fledermaus-Algorithmus (BA) :

In diesem Artikel werde ich den Fledermaus-Algorithmus (Bat-Algorithmus, BA) betrachten, der gute Konvergenz bei glatten Funktionen zeigt.

Bei der Implementierung des BA-Algorithmus bin ich darauf gestoßen, dass in vielen Quellen die Autoren der Artikel den Algorithmus auf völlig unterschiedliche Weise beschreiben. Die Unterschiede liegen sowohl in der Verwendung von Begriffen bei der Beschreibung von Schlüsselpunkten als auch in den grundlegenden algorithmischen Merkmalen, daher werde ich beschreiben, wie ich es selbst verstanden habe. Die grundlegenden physikalischen Prinzipien, die der Echoortung zugrunde liegen, können in dem Algorithmus mit erheblichen Vorbehalten und Konventionen angewendet werden. Wir nehmen an, dass die Fledermäuse Schallimpulse mit einer Frequenz zwischen MinFreq und MaxFreq verwenden. Die Frequenz wirkt sich auf die Schnelligkeit der Fledermaus aus. Es wird auch das Konzept der bedingten Lautheit verwendet, das den Übergang vom Zustand der lokalen Suche am Ort der aktuellen Position der Fledermaus zum globalen Zustand in der Nähe der besten Lösung beeinflusst. Während der Optimierung nimmt die Pulsationsfrequenz zu, während die Lautstärke der Töne abnimmt.

Pseudocode des BA-Algorithmus (Abb. 1):

1. Initialisierung der Fledermauspopulation.
2. Generierung von Frequenz, Geschwindigkeit und neuen Lösungen.
3. Suche nach einer lokalen Lösung.
4. Aktualisierung der globalen Lösung.
5. Verringern der Lautstärke und Erhöhen der Pulsationsfrequenz.
6. Wiederholen Sie Schritt 2, bis das Stoppkriterium erfüllt ist.

Abb. 1. Blockdiagramm des BA-Algorithmus

Autor: Andrey Dik