SFLA跳蛙演算法

標籤：發展   mat   步驟   記憶   maximum   ons   crs   迴圈   str   

SFLA=SCE+PSO

SCE: shuffled complex evolution algorithm(Duan 1992) = CRS(controlled radom search Price 1978)+Competive evolution(Holland 1975)+shuffling

SCE演算法背後的理念是將全球搜尋作為自然進化的過程。人口被劃分為幾個社區(綜合體)，每個社區都被允許獨立發展。經過定義的進化數量後，複合體被迫混合，新的群落通過洗牌過程形成。這一策略有助於通過共用每個社區獨立獲得的資訊和屬性來改進解決方案。

一、framework

想想一群青蛙在沼澤中跳躍;沼澤在離散的地方有很多石頭，青蛙可以跳過這些石頭來找到最大數量的可用食物。青蛙被允許互相交流，這樣他們就可以利用別人的資訊來改進他們的模因。

在每個模因中，青蛙被其他青蛙的想法感染;因此他們經曆了一個迷因進化。迷因進化提高了個體模因的品質，並提高了個體青蛙對目標的表現。

為了確保感染過程具有競爭性，需要有更好的模因(思想)的青蛙比那些思想貧乏的青蛙更能促進新思想的發展。用三角形機率分布選擇青蛙為更好的想法提供了競爭優勢。在進化過程中，青蛙可能會根據memeplex的資訊或整個種群中最好的資訊改變它們的模因。

 

模因型(s)的增量變化對應於跳躍的步長，新的模因對應於青蛙的新位置。
在一隻青蛙改善了它的位置後，它又回到了社區。

在一定數量的模因演化時間迴圈之後，模因組被迫混合，並通過一個洗牌過程形成新的模因。這種洗牌提高了被沼澤不同地區的青蛙感染後的模因的品質。
青蛙的遷移(想法和/或設計的交叉受精)加速了搜尋過程，以感染的形式分享他們的經驗，並確保任何特定興趣的文化進化都是沒有地區偏見的。

二、steps

全域搜尋

step 0  Initialize. 選擇m和n。其中m是模因memeplexes的數量， n是 is 每個模因中青蛙的數量。在沼澤中總樣本大小為F=mn。
step 1 產生一個虛擬人口。虛擬青蛙U(1), U(2), U(3), ..., U(F)

step 2 青蛙排序。對F型青蛙進行排序，以降低其效能值。儲存在X隊列中。記錄下最好的青蛙的位置 PX =U(1) 。

step 3 分區青蛙into memeplexes。將數組X分割成 m個memeplexes Y1,Y2，…Ym，每一個都含有n個青蛙。

step 4 每個memplexes的記憶體演化。發展每個memeplex Yk,k = 1,…m 根據下面概述的青蛙跳躍演算法。
step 5 重組模因。在每個memeplex中都有一個定義數量的memetic演化步驟，然後替換Y1…Ym 用X表示，X = {Yk,k = 1, .., m}。排序X以降低效能值。更新人口最佳青蛙的位置PX。

step 6 檢查收斂。如果收斂條件滿足，停止。否則，返回到步驟3。通常情況下，當至少一隻青蛙攜帶著“最好的記憶模式”時，決定何時停止的決定是連續的時間迴圈。或者，可以定義一個最大的函數評估總數。

局部搜尋：跳蛙演算法

在全域搜尋的第4步，每個memeplex的演化都獨立地持續了N次。在memeplexes進化後，演算法返回到對全域探索的重組。下面是對每個memeplex的局部搜尋的詳細資料。
step 0 設定im = 0，在這裡我計算memeplex的數量，並將與memeplexes的總數m比較。
           設定iN為= 0，iN用於計算進化步驟的數目，將與在每個memeplex中完成的步驟的最大數字N進行比較。
step 1 im=im+1

step 2 iN=iN+1

 

 

 

 

 

 

 

 

Consideragroupoffrogsleapinginaswamp;theswamphasanumberofstonesatdiscrete locations on to which the frogs can leap to ?nd the stone that has the maximum amount of available food. The frogs are allowed to communicate with each other, so that they can improvetheirmemesusingothers’information

SFLA跳蛙演算法