文章目錄
一、 介紹
二、Sparrow Search Algorithm
1、生物特徵
2、數學模型與算法
提示:這裏可以添加本文要記錄的大概內容:
優化問題在背包問題、數據聚類、數據分類、路徑規劃、機械人控制等工程應用中都很常見。 羣優化算法(swarm intelligence)算法作為解決
全局優化問題
的主要技術:在搜索過程中引入了隨機性。 而確定性算法在複雜情況下容易陷入局部最優解。ACO(蟻羣優化算法)的缺點:搜索速度慢 PSO(粒子羣優化算法)的缺點:容易過早收斂
SSA(麻雀搜索算法)的靈感來源:麻雀羣體的覓食和反捕食行為
提示:以下是本篇文章正文內容,下面案例可供參考
二、Sparrow Search Algorithm 1、生物特徵- 麻雀分為生產者和蹭食者。
- 研究表明,個體監控着羣體中其他人的行為。 同時,鳥羣中的攻擊者為了提高自身的捕食率,利用高攝入量來競爭同伴的食物資源。
- 個體的能量儲備在麻雀選擇不同的覓食策略時可能起着重要作用,能量儲備低的麻雀覓食更多。
- 於種羣外圍的鳥類更容易受到捕食者的攻擊,並不斷嘗試獲得更好的位置。位於中心的動物可能會靠近鄰伴,以儘量減少它們的危險領域。
- 所有的麻雀都表現出對一切事物好奇的天生本能,同時它們總是保持警惕。
-
為了將麻雀行為理想化,制定了相應的規則: 生產者通常擁有高水平的能量儲備,並為所有覓食者提供覓食區域或方向。 它負責確定可以找到豐富食物來源的地區。 能量儲備的水平取決於對個體適應值的評估。 一旦麻雀發現了捕食者,個體就開始鳴叫作為警告信號。 當告警值大於安全閾值時,生產者需要引導所有乞討者到安全區域。 每隻麻雀只要尋找到更好的食物來源,都可以成為生產者,但生產者和乞討者在整個種羣中的比例保持不變。 能量較高的麻雀作為生產者,幾個飢餓的乞討者更有可能飛到其他地方覓食以獲得更多的能量。 乞討者會跟隨提供最好食物的生產者來尋找食物,同時,一些蹭食者會不斷監視生產者並且競爭食物以提高自己的捕食率。 當意識到危險時,在羣體邊緣的麻雀將會迅速移動到安全的地方以獲得更好的位置,而在羣體中間的麻雀將會隨機移動以靠近其他麻雀。
-
麻雀的位置用下面的矩陣表示:
其中n是麻雀的數量,d表示要優化的變量的維數。
然後,所有麻雀的適應度值可以用下面的向量表示: -
在SSA中,適應值較好的生產者在搜索過程中有獲得食物的優先權。 此外,因為生產者負責搜尋食物和引導整個人口的流動。 因此,生產者可以比蹭食者在更廣泛的地方尋找食物。
-
每次迭代期間,
生產者
的位置更新如下: – exp:以e為底的指數函數 – X :迭代t時第 i 個麻雀的第 j 個維數的值 – iter:迭代次數最多的常數 – α∈(0,1]:隨機數 – R2(R2∈[0,1])和ST(ST∈[0.5,1.0])分別代表報警值和安全閥值 – Q:服從正態分佈的隨機數 – L:1×D的AMATRIX,其中每個元素為1。R2