Algoritme for bikoloni

Den aktuelle version af siden er endnu ikke blevet gennemgået af erfarne bidragydere og kan afvige væsentligt fra den version , der blev gennemgået den 3. oktober 2017; checks kræver 4 redigeringer .

Bikolonialgoritmen  ( kunstig bikolonioptimering , ABC ) er en af ​​de polynomielle heuristiske algoritmer til løsning af optimeringsproblemer inden for datalogi og operationsforskning . Tilhører kategorien af ​​stokastiske bioniske algoritmer , baseret på simulering af adfærden hos en koloni af honningbier, når de indsamler nektar i naturen. Foreslået af D. Karaboga i 2005 [1] .

Nektarindsamlingsstrategi for honningbier i naturen

Hovedformålet med arbejdet i en bikoloni i naturen er at udforske rummet omkring bikuben for at søge efter nektar og derefter samle den. For at gøre dette er der forskellige typer bier i kolonien: spejderbier og arbejdsbier-foderere (udover dem er der droner og en dronning i kolonien , der ikke deltager i processen med at indsamle nektar). Spejderne er i gang med en undersøgelse af rummet omkring bikuben og rapporterer oplysninger om lovende steder, hvor den største mængde nektar blev fundet (der er en særlig mekanisme til at udveksle information i bikuben, kaldet bisedans ).

Målfunktionsoptimeringsstrategi

Bikolonialgoritmen kan bruges til at løse diskrete ( kombinatoriske ) og kontinuerligeglobale optimeringsproblemer [ 2] [3] og har en tilstrækkelig grad af lighed med multistartalgoritmer . Det omfatter normalt den indledende spejder og efterfølgende arbejde af bikubebierne. Under initialisering (indledende rekognoscering) rekognosceres funktionsrummet for at bestemme dets mest lovende punkter med de bedste objektive funktionsværdier (i det enkleste tilfælde ved hjælp af den tilfældige opregningsmetode som er gemt i bikuben Derefter udføres lokal rekognoscering i nærheden af ​​de udvalgte punkter inden for en given rekognosceringsradius for at forsøge at forfine løsningen (forbedre rekorden), mens når forbedringen er opnået i bikuben, den opdaterede værdi af posten og den tilsvarende objektivfunktionsparametervektor . Ved at kombinere spejderbiers og arbejderbiers arbejde over et givet antal iterationer giver algoritmen en gradvis forbedring af den huskede prøve af løsninger. Efter afslutningen af ​​sit arbejde vælges den bedste fra det specificerede sæt af løsninger, som er resultatet af algoritmen.

Se også


Noter

  1. ↑ D. Dervis Karaboga, En idé baseret på honningbisværm til numerisk optimering, teknisk rapport-TR06, Erciyes University, Engineering Faculty, Computer Engineering Department 2005.
  2. ↑ Pham, DT, Castellani, M. (2009), The Bees Algorithm - Modeling Foraging Behavior to Solve Continuous Optimization Problemer Arkiveret 9. november 2016 på Wayback Machine . Proc. ImechE, del C, 223(12), 2919-2938.
  3. ↑ Pham, DT og Castellani, M. (2013), Benchmarking and Comparison of Nature-Inspired Population-Based Continuous Optimization Algorithms Arkiveret 26. oktober 2017 på Wayback Machine , Soft Computing, 1-33.