Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen: Der Affen-Algorithmus (Monkey Algorithmus, MA)"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Algorithmen zur Optimierung mit Populationen: Der Affen-Algorithmus (Monkey Algorithmus, MA) :
In diesem Artikel werde ich den Optimierungsalgorithmus Affen-Algorithmus (MA, Monkey Algorithmus) betrachten. Die Fähigkeit dieser Tiere, schwierige Hindernisse zu überwinden und die unzugänglichsten Baumkronen zu erreichen, bildete die Grundlage für die Idee des MA-Algorithmus.
Das von den Affen erkundete Gebiet ist eine Fitnessfunktionslandschaft, sodass der höchste Berg der Lösung des Problems entspricht (wir betrachten das Problem der globalen Maximierung). Von seiner aktuellen Position aus bewegt sich jeder der Affen nach oben, bis er die Spitze des Berges erreicht. Das Klettern ist so konzipiert, dass der Wert der Zielfunktion schrittweise verbessert wird. Dann macht der Affe eine Reihe von lokalen Sprüngen in eine zufällige Richtung, in der Hoffnung, einen höheren Platz zu finden, und die Kletterbewegung wird wiederholt. Nach einer bestimmten Anzahl von Klettervorgängen und lokalen Sprüngen glaubt der Affe, dass er die Landschaft in der Nähe seiner Ausgangsposition ausreichend erkundet hat.
Um einen neuen Bereich des Suchraums zu erkunden, führt der Affe einen langen globalen Sprung durch. Die oben genannten Schritte werden in den Algorithmusparametern eine bestimmte Anzahl von Malen wiederholt. Die Lösung des Problems wird als der höchste der von der gegebenen Affenpopulation gefundenen Scheitelpunkt erklärt. Allerdings verbringt die MA viel Rechenzeit mit der Suche nach lokalen optimalen Lösungen während des Kletterns. Der globale Sprungprozess kann die Konvergenzrate des Algorithmus beschleunigen. Der Zweck dieses Prozesses ist es, die Affen zu zwingen, neue Suchmöglichkeiten zu finden, um nicht in die lokale Suche zu verfallen. Der Algorithmus hat Vorteile wie eine einfache Struktur, relativ hohe Zuverlässigkeit und eine gute Suche nach lokalen optimalen Lösungen.
Der MA ist eine neue Art von evolutionärem Algorithmus, der viele komplexe Optimierungsprobleme lösen kann, die durch Nichtlinearität, Nichtdifferenzierbarkeit und hohe Dimensionalität gekennzeichnet sind. Der Unterschied zu anderen Algorithmen besteht darin, dass der Zeitaufwand des MA hauptsächlich auf den Einsatz des Kletterverfahrens zurückzuführen ist, um lokale optimale Lösungen zu finden. Im nächsten Abschnitt beschreibe ich die Hauptkomponenten des Algorithmus, die vorgestellten Lösungen, die Initialisierung, das Klettern, die Beobachtung und den Sprung.
Autor: Andrey Dik