当前位置:文档之家› 智能优化计算猫群算法ppt课件

智能优化计算猫群算法ppt课件

智能优化计算 猫群算法
智能优化算法
群体智能(Swarm Intelligence ) 算法
蚁群算法
粒子群优化算法
人工鱼群算法
混合虹跳算法
细菌觅食算法
猫群算法
群体智能算法应用
• 组合优化 • 图像处理
• 多口标优化 • 模式识别 • 数据分类 • 数据聚类 • 流程规划 • 系统辨识
猫群算法概述
跟踪模式过程描述
(1)速度更新。整个猫群经历过的最好位置,即目前搜索到的 最优解,记做 X best 。 { v , v , v } 每只猫的速度记做 v i i 1 i 2 id 每只猫根据公式(1)来更新自己的速度
i , d v ( t 1 ) v ( t ) r c ( X ( t ) x ( t )), (1) i , d best , d i , d
利用猫群算法求解流水车间调度问题
CSO算法相关参数设置为: 配比 MR=0.2 记忆池大小T=10 连续位置区间为[0,4] 速度区间为[-1,1] 变化域范围为[-1,1] ,8 变异率 p m 0 三种算法均独立运行20次,迭代次数为ioo代,种群规模均 为300
达到预设 迭代次数 计算适应度 保留最好的解
首先需要确定参与优化计 算的个体数,即猫的数量
数学描述
记忆池(SMP)定义了每一只 变化域(SRD)表示选择域的 猫的搜寻记忆大小,表示 变异率,搜寻模式中,每一 猫所搜寻到的位置点,猫 维的改变范围由变化域决定 将根据适应度大小从记忆 根据经验一般取值为 池中选择一个最好的位 0. 2 置点。 搜寻模式中的 4个基本要素 变化数(CDC)指每一 只猫将要变异的维数 的个数,其值是一个 从。到总维数之间的 随机值 自身位置判断(SPC) !是一个布尔值,表 示猫是否将已经过的 位置作为将要移动到 的候选位置之一,其 值不影响SMP的取值。
利用猫群算法求解流水车间调度问题
• 故工件j(j=1,2, …,n)在机器i(i=1,2, …,m)上 的完工时间C(i,j)可表示为:C(i,j)=max{C(i1,j),C(i,j-1)}+p(i,j) 式中:p(i,j)为工件.j在机器i上的加工时间。 • 问题的目标最优值 C 即是确定一个最优排序π 使 得最大完工时间 Cmax() 最小。
d 1 , 2 , M
vi,d (t 1 ) 表示更新后第i只猫在第d维的速度值,M为维数大小;
Xbest ,d (t)
表示猫群中当前具有最好适应度值的猫的位置
跟踪模式过程描述
xi,d (t ) 指当前第i只猫在第d维的位置
c是个常量,其值需要根据不同的问题而定 r是一个[0,1]之间的随机值。 (2)判断每一维的速度变化是否都在SRD内。给每一维的变 异加一个限制范围,是为了防止其变化过大,造成算法在 解空间的盲口随机搜索。SRD在算法执行之前给定,如果每 一维改变后的值超出了SRD的限制范围,则将其设定为给定 的边界值。 (3)位置更新。根据公式(2)利用更新后的速度来更新猫的位置 x ( t 1 ) x ( t ) v ( t 1 ), (2) i , d i . d i , d
搜寻模式过程描述
• (1)将当前位置复制J份副本放在记忆池中,j=SMP,即记忆 池的大小为j;如果SPC的值为真,令j=(SMP-1),将当前位 置保留为候选解。 • (2)对记忆池中的每个个体副本,根据CDC的大小,随机地 对当前值加上或者减去SRD%(变化域由百分率表示),并用 更新后的值来代替原来的值。 • (3)分别计算记忆池中所有候选解的适应度值 • (4)从记忆池中选择适应度值最高的候选点来代替当前猫 的位置,完成猫的位置更新。
利用猫群算法求解流水车间调度问题
本文采用广泛使用的用于测试算法性能的8个不同规模的F SP来ห้องสมุดไป่ตู้试猫群算法(CSO)的性能,这8个算例是由Carlier 设计,故也被称为Car问题。 本文用标准粒子群算法(PSO)和蝙蝠算法(BA)与CSO算法进 行测试比较,之所以选用PSO和BA,是因为PSO算法是一种 发展较早且已较成熟的群智能算法,而BA算法与CSO算法 同样是较新颖的算法,同时三种算法的机制有很多相似之 处。
猫群算法基本思想
猫即待求优 问题的可 行解
搜寻模式
跟踪模式
猫在懒散、环顾四周状 态时的模式称之为搜寻 模式 跟踪动态目标时的状态 称之为跟踪模式。
猫群算法 思想
搜寻模式
跟踪模式
猫群算法步骤
之后再根据结合率随机地将猫群分为搜寻 部分和跟踪部分的猫,以此方法进行迭代 计算直到达到预设的迭代次数 当猫进行完搜寻模式和跟踪模式后,根 据适应度函数计算它们的适应度并保留 当前群体中最好的解。最短时间控制等 每只猫的属性、每一维的速度、对 基准函数的适应值及表示猫是处于 搜寻模式或者跟踪模式的标识值
• 猫群算法(Cat Swarm Optimization ,缩写为CSO)是由S hu-An Chu等人在2006年首次提出来的一种基于猫的行 为的全局优化算法 • 根据生物学分类,猫科动物大约有犯种,例如:狮子、老 虎、豹子、猫等。尽管生存环境不同,但是猫科动物的 很多生活习性非常相似。 • 猫的警觉性非常高,即使在休息的时候也处于一种高度 的警惕状态,时刻保持对周围环境的警戒搜寻;它们对于 活动的口标具有强烈的好奇心,一旦发现口标便进行跟 踪,并且能够迅速地捕获到猎物。 猫群算法正是通过将猫的搜寻和跟踪两种行为结合起来, 提出的一种解决复杂优化问题的方法
d 1 , 2 , ,M
) 表示第i只猫更新后的位置。 式中 xi (t 1
算法流程
利用猫群算法求解流水车间调度问题
• 流水车间调度是要确定n个工件在m台机器上的加工顺序 ,使得所有工件在机器上的总流经时间达到最小。同时 此模型应满足如下的约束。 • 1)同一时刻一台机器只能加工一个工件,且一个工件只 能由一台机器加工。 • 2)所有工件在机器上加工的顺序相同。 • 3)每个工件在各机器上的准备时间和加工时间给定。 • 4)每个工件必须被所有机器加工,且仅加工一次。 • 5)工件可以在机器间无限等待。
相关主题