基于優(yōu)化問題的多目標布谷鳥搜索算法畢業(yè)論文-文庫吧資料
2024-09-05 18:11本頁面
【正文】 則可以被類似的考慮為變異，這樣最差的解決方法就可以以一定幾率被丟棄，新的解決策略就可以根據(jù)解決策略之間的相似性被我們發(fā)現(xiàn)。 用數(shù)學的語言來說，第一條規(guī)則可以修改為一個隨機過程，這樣的話，一個新的算法策略就可以隨機的由隨機游走或者 levy飛行來總結(jié)得出。有時，隨機的混合也會用于其中。 （ 1） 每一個布谷鳥一次只產(chǎn)一個蛋，然后將這 些蛋放入隨機選擇的巢中，第 k個蛋代表第 k個目標。 （ 3） 可供選擇的寄主巢穴的數(shù)量是有限的，而且寄主也會發(fā)現(xiàn)異種蛋，這樣的幾率為 ]1,0[?ap ，也會扔掉這些異種的蛋，或者直接丟棄自己原本的巢穴而去建一個新的巢。 ,21,~)( 32 ??? ?? ?tt （ 10） 多布標布谷鳥搜索算法 在最初由楊新社教授和 Deb 教授提出的單一目標的布谷鳥優(yōu)化算法中使用了三條基 本的準則： （ 1） 每一只布谷鳥一次只產(chǎn)一個蛋，然后會將你這一只蛋丟到隨機選擇的一個巢穴中。這一情況指出 levy 飛行比布朗隨機游動在發(fā)現(xiàn)事物方面的能力要有效的多，以內(nèi)其有著較大的搜索范圍。 當 2?? 時，我們有 ][)( 2kkF ??? （ 4） 它的反常 積分可以相應(yīng)的轉(zhuǎn)化為一個高斯分布，另一個特殊情況為當 1?? ，此時，我們有： |]|exp[)( kkF ??? （ 5） 此時，可轉(zhuǎn)化為一個柯西分布： 22 )(1),( ?? ???? ??? xxp （ 6） 這里 ? 是一個局部參數(shù)， ? 控制整個分布的規(guī)模。 大體上說， levy 飛行是一個隨機的游走策略，它的步長可以由 levy 分布所決定，一般是根據(jù)一個簡單有效的式子來決定的，即： ????? ????0)(1])(2e x p [2),( 23??????? sssL 0,0, ? ????sif sif ? （ 1） 在這里， 0?? 是一個最小的步長， ? 為一個控制參數(shù)，顯然，當 ??s 時，我們可得： ????2312),(ssL ???? （ 2） 可以看出，這是 levy飛行的一個特殊情況。 levy 飛行的有效性 在自然界中，動物存在著隨機的或者類似隨機的覓食行為，一般，動物的這種覓食行為的路徑為一個有效的隨機游走過程，因為下一次的出發(fā)路徑是建立在當前的位置和去下一個位置的可能性上的，它們方向的選擇是建立在對于可被算 術(shù)的模型化的可能性的基礎(chǔ)上的，例如，一系列的研究已經(jīng)可以表明很多動物和昆蟲的飛行行為有著典型的 levy 飛行的特征。一些像 the New World brood parasitic Tapera 也通過類似的途徑進行繁殖，這些雌性寄生性布谷鳥經(jīng)常在顏色和新寄生的選擇模式方法上有著特殊的一面。像美洲黑杜鵑這一種鳥類，它們會將自己的卵產(chǎn)在公共的巢穴中，并且，它們會將其他鳥類的蛋移出巢外以提高自己的蛋被孵化的幾率，大多數(shù)鳥類通過產(chǎn)卵于其他寄主的巢中這種寄生性規(guī)律來完成自己孵化的任務(wù)，目前，存在著三種最基本的寄生性行為：種內(nèi)產(chǎn)卵寄生性、合作式寄生性、巢穴接管。 為了對 CS算法做以延伸來解決多目標的問題，我們在此先對布谷鳥有趣的繁殖行為規(guī)律做以簡要的回顧，然后，我們將會對此算法的基本觀點和步驟以及實際的算 法過程作以概述。第一步我們將通過建立一個多目標的檢驗函數(shù)來使問題具體化，然后我們會將其應(yīng)用到工程優(yōu)化問題中，包括雙目標的光路設(shè)計和制動器設(shè)計。 盡管存在著這些挑戰(zhàn)性，多目標優(yōu)化問題仍存在
公司管理相關(guān)推薦
鄂ICP備17016276號-1