受萤火虫行为启发的种群优化算法有两种变体:萤火虫算法,和萤火虫群优化(GSO)算法。 萤火虫(firefly)和发光甲虫(glowworms)的主要区别在于后者是无翅的。 在本文中,我们将研究前一种类的优化算法。 2. 算法说明 萤火虫算法(F-算法)由 X-Sh. Yang 于 2007 年在英国剑桥大学提出,并立即引起了优化研究人员的注意。
鱼群搜索（FSS）是群体智能算法的一个子家族，属于元启发式算法类。 它由 Bastos Filho 和 Lima Neto 于 2008 年提出，并于 2009 年首次发表。 在 FSS 中，简单的代理者被称为鱼，每条鱼都有一个权重，代表其在搜索过程中取得“成功”。 权重的数值和变化会影响个体和团体运动。 内置的配食和协调的行动机制...
种群优化算法是一种仿生学算法,是在计算机领域里使用的模拟生物进化过程的算法,它由一组可以评价的候选解(也称为个体)组成,这些解会不断地得到选择和变异,使最终的解集趋于最优解。这种算法可以将优化问题转换为群体的进化问题,有效地处理复杂的非线性优化问题。 种群优化算法的流程包括初始化种群,随机选取种群中的个...
从广义上讲，消除和扩散是种群长距离行为的一部分。 当应用于优化时，这有助于减少此类并行搜索算法中常见的停滞。我实现的 BFO 与规范版本略有不同。 在研究代码的特定部分时，除了需要这些更改的理由外，我还将详细介绍差异。 一般来讲，实现中的修改不能被认为是重要的，因此我不会将 “m”（修改版本）标记...
种群扩散算法的原理基于物种在空间中的迁移、扩散和生存等生态过程。它主要包括以下几个关键步骤:物种分布模型构建、环境因子选择、扩散模型参数估计、模拟实验设计和结果分析。 首先,物种分布模型的构建是种群扩散算法的基础。物种分布模型描述了物种分布在空间中的格局和环境因子之间的关系。常用的物种分布模型包括最大熵...
比利时研究人员马可·多里戈(Marco Dorigo)创建了一个数学模型,科学地描述了蚁群中集体智慧的过程。 他于 1992 年在他的博士论文中发表,并将其作为算法实现。 蚁群优化(ACO) 是一种基于种群的随机搜索方法,可解决各种组合优化问题。 ACO 的核心是信源动作(stigmergy)的概念。 1959年,皮埃尔-保罗·格拉塞特(Pierre...
类电磁(ЕМ)算法是一种相对较新的元启发式搜索算法,基于物理空间中电磁粒子行为的模拟,由 I. Birbil 和 S.С. Fang 于 2003 年首次引入。 它被描述为一种群体的进化算法,具有随机噪声和基于电磁的带电粒子之间相互作用。 该算法的灵感来自电磁学理论中电荷的吸引和排斥机制,用于在连续域中不受限制地求解非...
种群优化算法:人工蜂..群居昆虫是高度进化的生物,可以执行许多单体昆虫无法完成的复杂任务。 沟通、筑造复杂的巢穴、环境控制、保护、和分工只是蜜蜂已进化到在社会性群居地茁壮成长的少数行为。 蜂群属于群体生物,在寻找最佳解决方案
引力搜索算法（GSA）是由 E. Rashedi 提出的，用于解决优化问题，特别是非线性问题，它遵循牛顿的万有引力定律原理。 在所提议的算法中，粒子被视为物体，并在考虑其质量的情况下估算其性能。 引力是质量相互加速的趋势。 它是自然界中的四种基本力之一（其它是电磁力、弱核力和强核力）。宇宙中的每个粒子都会...
遗传算法是一种模拟自然选择和遗传机制的优化算法,通过模拟生物进化过程中的遗传变异、选择和交叉等操作,从候选解空间中搜索最优解。 多种群遗传算法利用并行计算的思想,将搜索过程分成多个独立的子群体进行并行演化。每个子群体通过遗传算法的操作(如选择、交叉和变异)来生成新的个体,并根据适应度评价函数来选择优秀...