煙花算法譯文

1、煙花算法（最優(yōu)化）煙花算法（最優(yōu)化）摘要：摘要：通過觀察煙花爆炸得到啟示，一種新穎的（novel）蟻群智能算法（稱作煙花算法），被提出以解決全局復(fù)合函數(shù)最優(yōu)化問題。在煙花算法的提出中，使用了兩種爆炸（搜索）進程，同時也設(shè)計了保持粒子多樣性的機械設(shè)置。為了驗證FA的性能（validation），用了9個標(biāo)準測試函數(shù)做了大量的實驗來比較FA和兩個粒子群最優(yōu)化（PSO）算法的變型，即標(biāo)準PSO和克隆PSO。實驗結(jié)果證明了假設(shè)的FA無疑勝過那兩

2、種PSO變型，不管在集中速度還是解決全局準確度方面。關(guān)鍵詞關(guān)鍵詞：自然運算，群智能，煙花算法，粒子群最優(yōu)化，函數(shù)最優(yōu)化。1.介紹介紹：最近幾年，群智能（SI）已經(jīng)在全世界致力于算法問題工作的研究者中變得流行起來。SI算法，例如粒子群最優(yōu)化（PSO），蟻群系統(tǒng)，克隆選擇算法和群體機器人等，在解決許多算法問題上都有許多優(yōu)點。在所有的SI算法中，PSO在研究多維空間的優(yōu)化選址問題中是一個最流行的算法。在1995年，K和E提出了PSO作為一個能

3、力全局優(yōu)化算法，由于鳥群的行為使他們受啟發(fā)。從此以后，PSO就吸引了全世界研究者們的關(guān)注，大量的PSO正確性檢測也不斷提出。就像PSO，大多數(shù)群智能算法是由于自然界一些智能克隆行為的啟發(fā)。在這篇論文中，由于煙花出現(xiàn)的群體行為的啟發(fā)，一個新穎的稱作煙花算法（FA）的群智能算法被提出用于函數(shù)最優(yōu)化。FA是通過刺激煙花的爆炸進程來呈現(xiàn)和實行的。在FA中，使用了2個爆炸（搜索）進程，同時也精心設(shè)計了保持粒子多樣性的機械設(shè)置。為了驗證（valid

4、ate）假設(shè)的FA執(zhí)行的正確性，用FA、標(biāo)準PSO（SPSO）和克隆PSO（CPSO）的9個標(biāo)準測試函數(shù)做了比較實驗。結(jié)果顯示FA不管在最優(yōu)化準確度還是收斂速度方面都明顯勝過SPSO和CPSO。該論文的余下部分是這樣組織的。第二章節(jié)描述了FA的框架，介紹兩種搜索進程和保持多樣性的機械設(shè)置。第三章節(jié)顯示實驗結(jié)果以驗證FA的執(zhí)行正確性。第四章節(jié)總結(jié)論文。2煙花算法煙花算法2.1FA框架框架當(dāng)煙花爆炸后，火花的散落將充滿煙花周圍的局部空間。我

5、們認為，煙花的爆炸進程可以看作是一個在局部空間內(nèi)對固定點的搜索，這個空間范圍是煙花爆炸后在爆炸中產(chǎn)生的火花。當(dāng)我們要找到一個定義為f(x)=y的點x，我們可以在潛在區(qū)域里不斷的引爆煙花，直到一個火花命中了點x或者相當(dāng)靠近點x。在圖1顯示了FA的大致框架來模仿引爆煙花的進程。在FA中，為了每個爆炸的產(chǎn)生，我們首先選擇n個位置，在這n個位置中分別引爆了n個煙花。在爆炸之后，我們可以得到和估計粒子的位置。當(dāng)找到最優(yōu)位置，算法結(jié)束。否則，在從附

6、近的火花選擇n個其他的位置和煙花進行下一輪的爆炸。從圖1中可以看到在一個好的爆炸進程設(shè)計下的FA的成功執(zhí)行，及選擇位置的適當(dāng)方法，將分別在2.2和2.3小節(jié)進行詳盡說明。m是一個控制n個煙花產(chǎn)生火花總數(shù)的參數(shù)，是n個煙花中的目標(biāo)函數(shù)的最大值（最壞的），表示計算機常量的最小值，用來避免除0錯誤。為了避免華麗的煙花造成重大后果，定義范圍為si，在等式3表示。其中a與b是固定常量參數(shù)。爆炸的位移幅度爆炸的位移幅度。相比于火花數(shù)目的設(shè)計，一個好

7、的煙花的爆炸的位移幅度比一個壞的更小。每個煙花的爆炸振幅定義如下：其中表示最大爆炸振幅，ymin=min(f(xi))(i=12...n)是n個煙花當(dāng)中的目標(biāo)函數(shù)最小值（最好的）。產(chǎn)生火花產(chǎn)生火花。在爆炸過程中，火花可能從任意z的方向（維數(shù)）受爆炸的影響。在FA中，我們獲得了受影響的任意方向的數(shù)目，如下：其中d是位置x的維數(shù)，r(01)是區(qū)間[01]上的一個均勻分布。我們可以用算法1獲得煙花xi的火花的位置。模仿爆炸過程，首先產(chǎn)生一個火