Нейронные сети и нейроконтроллеры. Бураков М.В. - 241 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

241
Метод дифференциальной эволюции (Differential Evolution –
DE) был предложен в работах [69, 70].
Первоначально в поисковом пространстве случайным образом
генерируется исходная популяция G из NP векторов длиной D:
1
,
: { }, , .
iG
G X i NP=
Размер популяции не меняется в процессе оптимизации. Число
популяций является одним из параметров алгоритма.
Очередная популяция формируется путем выполнения для каж-
дого i-го вектора текущей популяции следующих действий:
1. Для вектора X
i,G
выбираются три вектора из остальной попу-
ляции со случайными индексами r
1
, r
2
, r
3
.
2. Формируется мутантный вектор (где F ∈ [0, 2]):
( )
1 23
1, , ,,
.
iG r G r G r G
V X FX X
+
=+ -
3. Применяется оператор скрещивания, с помощью которого
формируется пробный вектор (trial vector)
1 1 12 1 1
...
, ,, ,
,
iG iG iG DiG
U uu u
+ ++ +
éù
=
êú
ëû
где
1
1
rand or rnbr
1
rand and rnbr
,
,
,
, ( ( ) ) ( ( )),
,;
, ( ( ) ) ( ( )),
ji G
ji G
ji G
v j CR j i
u jD
x j CR j i
+
+
ì
£=
ï
ï
==
í
ï
>¹
ï
î
CR ∈ [0, 1] (это значение определяется пользователем; rnbr(i) – слу-
чайный индекс (rnbr(i) ∈ {1, 2, …, D}).
4. Пробный вектор сравнивается с исходным. Если пробный
вектор U
i,G+1
имеет лучшее значение целевой функции, то он за-
мещает исходный вектор, иначе X
i,G+1
= X
i,G
.
5. Шаги 1 – 4 выполняются для всех векторов популяции.
6. Проверяется условие окончания работы: если достигнуто
максимальное число популяций, то в качестве решения выбирает-
ся вектор с наилучшим значением целевой функции.
Таким образом, метод DE отличается простотой, содержит мало
управляющих параметров и легко программируется.
К числу новейших популяционных методов можно отнести ме-
тод поиска гармонии [71].
Метод поиска гармонии (Harmony Search – HS) – метаэвристи-
ческий алгоритм оптимизации. Идея метода основана на подража-
нии процедуре музыкальной импровизации.

Страницы