螢火蟲算法(精華版)ppt課件

1、螢火蟲算法及其應(yīng)用研究,小組分工,PPT講解 陳國(guó)強(qiáng) PPT制作 Matlab仿真,徐越 吳順 胡福威,劉浩 肖慧敏 王丹娜,算法產(chǎn)生背景,算法原理,算法公式,算法實(shí)現(xiàn)流程,Matlab仿真,適用領(lǐng)域,優(yōu)缺點(diǎn),1,2,3,4,5,6,7,目 錄,CONTENTS,1. 算法產(chǎn)生背景,人工螢火蟲群優(yōu)化(Glowworm Swarm Optimization，GSO）算法是印度學(xué)K.N.Krishnanand 和 D. Ghose 于 2005 年提出的一種新型群智能優(yōu)化算法。 算法思想源于模擬自然界中螢火蟲在晚上群聚活動(dòng)的自然現(xiàn)象而提出的，在螢火蟲的群聚活動(dòng)中，各只螢火蟲通過(guò)散發(fā)熒光素與同伴進(jìn)行

2、尋覓食物以及求偶等信息交流。一般來(lái)說(shuō)，熒光素越亮的螢火蟲其號(hào)召力也就越強(qiáng)，最終會(huì)出現(xiàn)很多螢火蟲聚集在一些熒光素較亮的螢火蟲周圍。人工螢火蟲算法就是根據(jù)這種現(xiàn)象而提出的一種新型的仿生群智能優(yōu)化算法。在人工螢火蟲群優(yōu)化算法中，每只螢火蟲被視為解空間的一個(gè)解，螢火蟲種群作為初始解隨機(jī)的分布在搜索空間中，然后根據(jù)自然界螢火蟲的移動(dòng)方式進(jìn)行解空間中每只螢火蟲的移動(dòng)。通過(guò)每一代的移動(dòng)，最終使得螢火蟲聚集到較好的螢火蟲周圍，也即是找到多個(gè)極值點(diǎn)，從而達(dá)到種群尋優(yōu)的目的,2. 算法原理,在基本人工螢火蟲群優(yōu)化算法中，每一只人工螢火蟲都被隨機(jī)的分布在目標(biāo)函數(shù)的定義空間內(nèi)，這些螢火蟲擁有各自的熒光素，并且每一個(gè)螢

3、火蟲都有自己的視野范圍，我們稱之為決策域半徑(local-decision range)。每個(gè)螢火蟲熒光素的亮度和自己所在位置對(duì)應(yīng)目標(biāo)函數(shù)的適應(yīng)度值有關(guān)。熒光越亮的螢火蟲表示它所在的位置就越好，即它所對(duì)應(yīng)的目標(biāo)函數(shù)值也更優(yōu)。螢火蟲的移動(dòng)方式是：每個(gè)螢火蟲在各自的視野范圍內(nèi)尋找鄰域，在鄰域中找到發(fā)出熒光較亮的螢火蟲從而向其移動(dòng)。每次移動(dòng)的方向會(huì)因?yàn)樘暨x的鄰域不同而改變。另外，螢火蟲的決策域半徑也會(huì)根據(jù)鄰域中螢火蟲數(shù)量的不同而受影響，當(dāng)鄰域中螢火蟲數(shù)目過(guò)少時(shí)，螢火蟲會(huì)加大自己的決策半徑以便需找更多的螢火蟲；反之，就會(huì)減小自己的決策半徑。最終，使得大部分螢火蟲聚集在較優(yōu)的位置上,3. 算法公式,4.

4、 算法實(shí)現(xiàn)優(yōu)化的過(guò)程,1)先將螢火蟲群體隨機(jī)散布在解空間，每一只螢火蟲因?yàn)樗幬恢貌?同 發(fā)出的熒光度也不同，通過(guò)比較，亮度高的螢火蟲可以吸引亮度低的螢火蟲向自己方向移動(dòng)，移動(dòng)的距離主要取決于吸引度的大小。 (2)為了加大搜索區(qū)域，避免過(guò)早陷入局部最優(yōu)，在位置更新過(guò)程中增加了擾動(dòng)項(xiàng)，根據(jù)位置更新公式計(jì)算更新后的位置。這樣通過(guò)多次移動(dòng)后，所有個(gè)體都將聚集在亮度最高的螢火蟲位置上，從而實(shí)現(xiàn)最優(yōu),算法流程圖如下,5. Matlab仿真,測(cè)試函數(shù),上述兩個(gè)函數(shù)中,F1(x)是在 的范圍中具有兩個(gè)峰值函數(shù)，F(xiàn)2(x)是在 的范圍中具有四個(gè)峰值函數(shù),由圖1有F1(x)中 x1=-0.00305386358

5、606,x2=-0.000797745261189時(shí)函數(shù)取得最大值。即此時(shí)F1(x)=0.999990037569430。 由圖2有F2(x)中 x1=0.000499802298797,x2=0.001861886962702時(shí)函數(shù)取得最大值。即此時(shí)F2(x)=1.999992788904963,圖1 F1(x)的尋優(yōu)結(jié)果,圖2 F2(x)的尋優(yōu)結(jié)果,圖3 F1(x)的三維效果圖,圖4 螢火蟲算法對(duì)F1(x)尋優(yōu)的結(jié)果,圖6 F2(x)的三維效果圖,圖8 螢火蟲算法對(duì)F2(x)尋優(yōu)的結(jié)果,6. 適用領(lǐng)域,Krishnanand, K.N. 和 Ghose, D. 已將該算法成功應(yīng)用于多信號(hào)源

6、探測(cè)和多模態(tài)函數(shù)優(yōu)化領(lǐng)域。 2006年，Krishnanand, K.N. 等人將螢火蟲群優(yōu)化算法應(yīng)用于集體機(jī)器人、多信號(hào)源定位和探測(cè)多輻射源領(lǐng)域，并給出了帶有動(dòng)態(tài)局部決策范圍的螢火蟲群優(yōu)化算法尋找多個(gè)源位置的理論推導(dǎo)。 2007年，Krishnanand, K.N. 等人將螢火蟲群優(yōu)化算法應(yīng)用于追蹤多個(gè)移動(dòng)信號(hào)源位置領(lǐng)域和尋找多個(gè)氣味源位置的網(wǎng)絡(luò)機(jī)器人系統(tǒng)領(lǐng)域。 2008年，Krishnanand, K.N. 和 Ghose, D. 給出了螢火蟲群優(yōu)化算法應(yīng)用于多定位領(lǐng)域的理論基礎(chǔ)，并用螢火蟲群優(yōu)化算法捕獲多極值函數(shù)的多個(gè)局部最優(yōu)值，此外，還將基于多機(jī)器人系統(tǒng)的螢火蟲群優(yōu)化算法應(yīng)用于信號(hào)源定位領(lǐng)域。 2009年，Krishnanand, K.N.和 Ghose, D. 用螢火蟲群優(yōu)化算法來(lái)優(yōu)化多極值函數(shù)，并捕獲多極值函數(shù)的多個(gè)局部最優(yōu)值。此Krishnanand, K.N. 和 Ghose, D. 還用基于多種群的螢火蟲群優(yōu)化算法來(lái)檢測(cè)環(huán)境中普遍存在的危險(xiǎn)之源。 但在國(guó)內(nèi)，對(duì)人工螢火蟲群優(yōu)化算法的研究還剛起步，可參考文獻(xiàn)少,7. 算法優(yōu)缺點(diǎn),優(yōu)點(diǎn)：螢火蟲算法不僅可以優(yōu)化單峰函數(shù)和多峰函數(shù)，而且該算法具有較強(qiáng)的局部搜索能力可以在一個(gè)嬌小的區(qū)域內(nèi)找到該區(qū)域的最優(yōu)解。操作方便、實(shí)現(xiàn)簡(jiǎn)單、參數(shù)較少、而且參數(shù)對(duì)算法的影響較小。 缺點(diǎn)：螢火蟲