蝙蝠算法

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

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 在位置 (问题的解),同时蝙蝠具有不同的频率波长、响度 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

根据Yang (2010)的文章, 新的解 和速度 更新方程:

 
 
 

其中,随机数为均匀分布。 是目前找到最优解。

A和r应该在迭代中变换:

 
 

其中,   是常数。

算法应用

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

  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页面存档备份,存于互联网档案馆
  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