Discussão do artigo "Algoritmos de otimização populacionais: Algoritmo do macaco (MA)"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Algoritmos de otimização populacionais: Algoritmo do macaco (MA) foi publicado:
Neste artigo, estaremos analisando o algoritmo do macaco (Monkey Algorithm, MA). A habilidade destes animais ágeis para superar obstáculos complexos e atingir as partes mais inacessíveis das árvores foi a inspiração para a concepção do MA.
O terreno que os macacos exploram representa a paisagem da função de adaptação, portanto, a solução para o problema corresponde à montanha mais elevada (aqui consideramos o problema de maximização global). A partir da sua posição atual, cada macaco se move para cima até atingir o cume da montanha. O processo de ascensão tem como objetivo a melhoria contínua do valor da função objetivo. Depois, o macaco realiza uma série de saltos locais em uma direção aleatória, na tentativa de encontrar uma montanha mais alta, e o movimento ascendente é retomado. Após uma quantidade determinada de ascensões e saltos locais, o macaco presume ter explorado adequadamente a paisagem circundante à sua posição de origem.
Para explorar uma nova região do espaço de busca, o macaco executa um salto global longo. As ações mencionadas são repetidas um número pré-definido de vezes conforme os parâmetros do algoritmo. A solução é proclamada como sendo o pico mais alto encontrado por uma população específica de macacos. No entanto, o MA gasta um tempo computacional substancial procurando soluções locais ideais durante o processo de escalada. O processo de salto global pode acelerar a taxa de convergência do algoritmo. O objetivo deste processo é incentivar os macacos a descobrirem novas oportunidades de pesquisa para evitar que fiquem presos na pesquisa local. O algoritmo tem vantagens como estrutura simples, fiabilidade relativamente alta e eficiente na busca de soluções ótimas locais.
O MA é um novo tipo de algoritmo evolutivo capaz de resolver vários problemas complexos de otimização caracterizados por não-linearidade, não-diferenciabilidade e alta dimensionalidade. A distinção em relação a outros algoritmos é que o tempo gasto pelo MA é principalmente dedicado à utilização do processo de ganho de altura para encontrar soluções locais ideais. Na seção seguinte, descreveremos os componentes fundamentais do algoritmo, as soluções propostas, a inicialização, o processo de ganho de altura, o processo de observação e o salto.
Autor: Andrey Dik