文章 "种群优化算法:猴子算法(MA)"

 

新文章 种群优化算法:猴子算法(MA)已发布:

在本文中,我将研究猴子优化算法(MA)。 这些动物克服困难障碍,并到达最难以接近的树顶的能力构成了 MA 算法思想的基础。

猴子探索的区域是适应度函数地域,因此最高的山对应于问题的解(我们考虑全局最大化问题)。 从当前位置开始,每只猴子都会向上移动,直至抵达山顶。 攀爬过程旨在逐步提高目标函数的值。 然后,猴子向随机方向进行一系列局部跳跃,希望找到更高的山峰,并重复向上的运动。 在进行了一定次数的攀爬和局部跳跃后,猴子认为它已经充分探索了初始位置附近的地域。

为了探索搜索新的空间区域,猴子进行了一次长距离跳跃。 上述步数在算法参数中重复指定次数。 该问题的解则声明为给定猴子种群发现的最高顶点。 然而,MA 算法在攀登过程中花费了大量的计算时间用于寻找局部最优解。 全局跳跃过程可以加快算法的收敛速度。 这个过程的目的是迫使猴子寻找新的搜索机会,以免陷于本地搜索。 该算法具有结构简单、可靠性较高、能很好地搜索局部最优解等优点。


MA 算法是一种新型的进化算法,可以解决许多具有非线性、不可微分性、和高维性的复杂优化问题。 与其它算法的不同之处在于,MA 算法花费的时间主要集中于攀爬过程中寻找局部最优解。 在下一章节中,我将讲述算法的主要组件、表示的解、初始化、攀登、观察和跳跃。

作者:Andrey Dik