반딧불 알고리즘

수학적 최적화에서 반딧불 알고리즘은 양신쉐가 제안하고 반딧불이의 번쩍이는 행동에 영감을 받아 만든 메타휴리스틱이다.^[1]

알고리즘.

유사 코드에서 알고리즘은 다음과 같이 명시될 수 있다.

Begin     1) Objective function:  $f(\mathbf {x} ),\quad \mathbf {x} =(x_{1},x_{2},...,x_{d})$ ;     2) Generate an initial population of fireflies  $\mathbf {x} _{i}\quad (i=1,2,\dots ,n)$ ;.     3) Formulate light inTensity 1세는 너무 커서 f()){\displaystyle f(\mathbf{x})}(예를 들어, 극대화 문제에 대해 나는(f∝)){\displaystyle I\propto f(\mathbf{x})}과 또는 단순히 나는 f()){I=f(\mathbf{x})\displaystyle}원;)4)γ i.는 동안(밀폐된<>에서는 MaxGeneration)에 흡수 계수 정의 관련된) 1 : j = 1 : i (반딧불이) i ( $I_{j}>I_{i}$  j >  $I_{j}>I_{i}$   ${\$ })에 대한 n (모든 반딧불이) i (n 반딧불이) i (I  $I_{j}>I_{i}$ >  $I_{j}>I_{i}$  > I {\displaystyle I_{j $}).$  $I_{i$ }}), $I_{j}>I_{i}$   $\exp(-\gamma \;r)$   $\exp(-\gamma \;r)$  ( $\exp(-\gamma \;r)$ - $\exp(-\gamma \;r)$  r $){\displaystyle \exp(-\gamma \;r$  firefly i를 j 쪽으로 이동; 새로운 솔루션 평가 및 광도 업데이트; i 랭크 반딧불이의 끝인 경우 종료 후 다음 항목을 찾으십시오. 현재 최량; 결과 및 시각화 후 처리 중 종료; 종료

위의 가성소드가 n×n임을 시사함에도 불구하고 루프당 객관적 기능 평가 횟수는 반딧불이당 1회 평가라는 점에 유의한다(양씨의 MATLAB 코드 기준). 따라서 객관적 기능 평가의 총 횟수는 (세대 수)× (반딧불이 수)이다.

두 개의 반딧불이 $\mathbf {x} _{i}$ $\mathbf {x} _{i}$ ${\$ 및 $\mathbf {x} _{i}$ $\mathbf {x} _{j}$ j ${\$ 쌍에 대한 기본 업데이트 공식은 다음과 $\mathbf {x} _{j}$ 같다.

\mathbf {x} _{i}^{t+1}=\mathbf {x} _{i}^{t}+\beta \exp[-\gamma r_{ij}^{2}](\mathbf {x} _{j}^{t}-\mathbf {x} _{i}^{t})+\alpha _{t}{\boldsymbol {\epsilon }}_{t}

여기서 $\alpha _{t}$ $\alpha _{t}$ ${\$ 는 $\alpha _{t}$ 단계 크기를 제어하는 매개 변수인 반면, ${\boldsymbol {\epsilon }}_{t}$ ${\boldsymbol {\epsilon }}_{t}$ ${\$ 는 가우스나 다른 분포에서 추출한 벡터다 ${\boldsymbol {\epsilon }}_{t}$ .

제한 사례 $\gamma \rightarrow 0$ → $\gamma \rightarrow 0$ $\gamma \rightarrow 0$ 이(가) 표준 입자 군집 최적화(PSO)에 해당함을 $\gamma \rightarrow 0$ 알 수 있다. 실제로 내부 루프(j의 경우)를 제거하고 $I_{j}$ I j ${\$ 를 $I_{j}$ 현재의 글로벌 $g^{*}$ g $g^{*}$ ${\$ 로 대체하면 FA는 기본적으로 표준 PSO가 된다 $g^{*}$

비판

일반적으로 자연에서 영감을 받은 메타휴리스틱스는 정교한 은유 뒤에 새로운 것의 결여를 숨겼다는 이유로 연구계의 비판을 받아왔다. 반딧불 알고리즘은 미미한 방식으로만 잘 확립된 입자 군집 최적화와는 다르다는 비판을 받아왔다.^[2]^[3]^[4]

참고 항목

군집 지능

참조

^ Yang, X. S. (2008). Nature-Inspired Metaheuristic Algorithms. Luniver Press. ISBN 978-1-905986-10-1.
^ Almasi, Omid N.; Rouhani, Modjtaba (2016). "A new fuzzy membership assignment and model selection approach based on dynamic class centers for fuzzy SVM family using the firefly algorithm". Turkish Journal of Electrical Engineering & Computer Sciences. 4: 1–19. doi:10.3906/elk-1310-253. Practical application of FA on UCI datasets.
^ Lones, Michael A. (2014). "Metaheuristics in Nature-Inspired Algorithms" (PDF). GECCO '14: 1419–1422. CiteSeerX 10.1.1.699.1825. doi:10.1145/2598394.2609841. ISBN 9781450328814. FA, on the other hand, has little to distinguish it from PSO, with the inverse-square law having a similar effect to crowding and fitness sharing in EAs, and the use of multi-swarms in PSO.
^ Weyland, Dennis (2015). "A critical analysis of the harmony search algorithm—How not to solve sudoku". Operations Research Perspectives. 2: 97–105. doi:10.1016/j.orp.2015.04.001. For example, the differences between the particle swarm optimization metaheuristic and "novel" metaheuristics like the firefly algorithm, the fruit fly optimization algorithm, the fish swarm optimization algorithm or the cat swarm optimization algorithm seem negligible.
^ Ariyaratne MKA, Pemarathne WPJ (2015) 반딧불 알고리즘의 최근 진보에 대한 검토: 현대 자연에서 영감을 받은 알고리즘. In: 제8차 국제 연구 회의의 진행, 61–66, KDU, 2015년 11월 발행, http://ir.kdu.ac.lk/bitstream/handle/345/1038/com-047.pdf?sequence=1&isAllowed=y

외부 링크

[1] 책에 수록된 Matlab 프로그램 파일: 신쉐양, 자연에서 영감을 받은 메타휴리스틱 알고리즘, 제2판, 루니버 프레스, (2010)

[1] Yang, X. S. (2008). Nature-Inspired Metaheuristic Algorithms. Luniver Press. ISBN 978-1-905986-10-1.

[2] Almasi, Omid N.; Rouhani, Modjtaba (2016). "A new fuzzy membership assignment and model selection approach based on dynamic class centers for fuzzy SVM family using the firefly algorithm". Turkish Journal of Electrical Engineering & Computer Sciences. 4: 1–19. doi:10.3906/elk-1310-253. Practical application of FA on UCI datasets.

[3] Lones, Michael A. (2014). "Metaheuristics in Nature-Inspired Algorithms" (PDF). GECCO '14: 1419–1422. CiteSeerX 10.1.1.699.1825. doi:10.1145/2598394.2609841. ISBN 9781450328814. FA, on the other hand, has little to distinguish it from PSO, with the inverse-square law having a similar effect to crowding and fitness sharing in EAs, and the use of multi-swarms in PSO.

[4] Weyland, Dennis (2015). "A critical analysis of the harmony search algorithm—How not to solve sudoku". Operations Research Perspectives. 2: 97–105. doi:10.1016/j.orp.2015.04.001. For example, the differences between the particle swarm optimization metaheuristic and "novel" metaheuristics like the firefly algorithm, the fruit fly optimization algorithm, the fish swarm optimization algorithm or the cat swarm optimization algorithm seem negligible.

[5] Ariyaratne MKA, Pemarathne WPJ (2015) 반딧불 알고리즘의 최근 진보에 대한 검토: 현대 자연에서 영감을 받은 알고리즘. In: 제8차 국제 연구 회의의 진행, 61–66, KDU, 2015년 11월 발행, http://ir.kdu.ac.lk/bitstream/handle/345/1038/com-047.pdf?sequence=1&isAllowed=y

[1]

[2]

[3]

[4]

v t 바글바글
생물학적 우글거림	생물학에서의 에이전트 기반 모델 미끼볼 집단동물행동 먹이 광란 떼 모는 중 무리 무리행동 잡종 포획용 양떼 모빙 행동 팩 팩 헌터 개미의 자기조직화 패턴 쇼핑과 학교 교육 sort sol 탈출개미의 대칭파단 바글바글한 행동 바글바글 (꿀벌) 군더더기 운동성
동물의 이동	동물의 이동 위도의 추적 코드화된 철사 태그 조류 이동 플라이웨이즈 역이주 세포이전 어류 이동 수직으로 디엘링하다 레세프시안 연어가 달리다 정어리 달리기 호밍 나태의 문어체학 곤충 이동 나비들 군주의 바다거북 이주
군집 알고리즘	에이전트 기반 모델 개미 군집 최적화 보이드스 군중 시뮬레이션 입자 군집 최적화 군집 지능 군집(시뮬레이션)
집단운동	활성 물질 집단운동 자력입자 군집화 빅섹 모델 바이오-LGCA
군집 로봇공학	개미 로봇공학 마이크로바이오틱스 나노로보틱스 군집 로봇공학 심브리온
관련 항목	알레 효과 동물항법 집단지성 지방분권제 유사회주의 그룹 크기 측정 미생물 지능 상호주의 프레데터 포테이토 쿼럼 감지 공간구성 스티그머지 군인이 우글우글하다. 사회적 곤충의 과제 할당 및 분할

Search

반딧불 알고리즘

네임스페이스

더

목차

알고리즘.

비판

참고 항목

참조

외부 링크