蝙蝠算法

维基百科,自由的百科全书
跳转至: 导航搜索

蝙蝠算法(Bat Algorithm,縮寫 BA),是一种元启发式优化算法,是杨新社(音译自:Xin-She Yang)在2010年提出的算法[1]。这个蝙蝠算法以微蝙蝠(microbats)回声定位行为的基础,采用不同的脉冲发射率和响度[2][3]

算法描述[编辑]

把蝙蝠的回声定位理想化,可以总结如下:每个虚拟蝙蝠有随机的飞行速度v_i在位置x_i(问题的解),同时蝙蝠具有不同的频率波长、响度A_i和脉冲发射率r。蝙蝠狩猎和发现猎物时,它改变频率、响度和脉冲发射率,进行最佳解的选择,直到目标停止或条件得到满足。这本质上就是使用调谐技术来控制蝙蝠群的动态行为,平衡调整算法相关的参数,以取得蝙蝠算法的最优。

算法方程[编辑]

根据Yang (2010)的文章, 新的解x_i^t和速度v_i^t更新方程:

 f_i=f_{\min}+(f_{\max}-f_{\min}) \beta,
 v_i^t=v_i^t+(x_i^{t-1}-x_*) f_i,
 x_i^t =x_i^{t-1} +v_i^t.

其中,随即数为均匀分布。x_*是目前找到最优解。

A和r应该在迭代中变换:

 A_i^{t+1}=\alpha A_i^t,
 r_i^{t+1}=r_i^0 [1-\exp(-\gamma t)].

其中, 0<\alpha<1\gamma>0是常数。

算法应用[编辑]

蝙蝠算法已用于工程设计[4]、分类[5]等应用。把蝙蝠算法(BA)与遗传算法(GA)、PSO等方法進行比较,并用于训练神经网络,得出的结论清楚顯示:蝙蝠算法比其他算法有很好优势[6]

參考文獻[编辑]

  1. ^ X. S. Yang, A New Metaheuristic Bat-Inspired Algorithm, in: Nature Inspired Cooperative Strategies for Optimization (NISCO 2010), Studies in Computational Intelligence, Springer Berlin, 284, Springer, 65-74 (2010). http://arxiv.org/abs/1004.4170
  2. ^ J. D. Altringham, Bats: Biology and Behaviour, Oxford University Press, (1996).
  3. ^ P. Richardson, Bats. Natural History Museum, London, (2008)
  4. ^ X. S. Yang and A. H. Gandomi, Bat algorithm: a novel approach for global engineering optimization, Engineering Computations, Vol. 29, No. 5, pp. 464-483 (2012).
  5. ^ S. Mishra, K. Shaw, D. Mishra, A new metaheuristic classification approach for microarray data,Procedia Technology, Vol. 4, pp. 802-806 (2012).
  6. ^ K. Khan and A. Sahai, A comparison of BA, GA, PSO, BP and LM for training feed forward neural networks in e-learning context, Int. J. Intelligent Systems and Applications (IJISA), Vol. 4, No. 7, pp. 23-29 (2012).

延伸閱讀[编辑]

  • 蝙蝠算法的详细的介绍:Yang, X. S., Nature-Inspired Metaheuristic Algoirthms, 2nd Edition, Luniver Press, (2010).
  • Matlab/Octave程序