Исследование популяционного алгоритма поисковой оптимизации, вдохновленного поведением летучих мышей

Авторы: Зуева А.А.
Опубликовано в выпуске: #8(73)/2022
DOI: 10.18698/2541-8009-2022-8-816
Раздел: Информатика, вычислительная техника и управление | Рубрика: Системный анализ, управление и обработка информации, статистика
Ключевые слова: метаэвритический поиск, алгоритм летучих мышей, глобальная оптимизация, популяционный алгоритм, исследование эффективности, групповой интеллект, структурная оптимизация, минимизация
Опубликовано: 07.10.2022

Для решения недифференцируемых мультимодальных и овражных задач минимизации с высокой размерностью пространства поиска наиболее эффективными являются метаэвристические алгоритмы. Представлено исследование одного из таких методов — алгоритма, вдохновленного поведением летучих мышей. Метод реализован с помощью объектно-ориентированного языка программирования C++ с выделением класса летучих мышей и контейнерного класса популяции. Анализ проведен на основе овражной и многоэкстремальной функций по данным о сходимости алгоритма и лучших найденных значениях при различных размерностях вектора варьируемых параметров. Выполнено сравнение исследуемого метода с модификациями алгоритма эволюционной стратегии по наименьшим найденным решениям и скоростям сходимости алгоритмов при разных размерностях. Сделаны выводы, что алгоритм летучих мышей высокоэффективен и на овражных, и на многоэкстремальных функциях различных размерностей.

Литература

[1] Lamberti L., Pappalettere C. Metaheuristic design optimization of skeletal structures: a review. Comput. Technol. Rev., 2011, vol. 4, p. 1–32. DOI: http://dx.doi.org/10.4203/CTR.4.1

[2] Yang X.S. A new metaheuristic bat-inspired algorithm. In: Nature inspired cooperative strategies for optimization. Springer, 2010, pp. 65–74. DOI: https://doi.org/10.1007/978-3-642-12538-6_6

[3] Hasançebi O., Teke T., Pekcan O. A bat-inspired algorithm for structural optimization. Comput. Struct., 2013, vol. 128, pp. 77–90. DOI: https://doi.org/10.1016/j.compstruc.2013.07.006

[4] Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М., Изд-во МГТУ им. Н.Э. Баумана, 2014.

[5] Öztürk M.A bat-inspired algorithm for prioritizing test cases. Vietnam J. Comput. Sci., 2018, vol. 5, no. 1, pp. 45–57. DOI: https://doi.org/10.1007/s40595-017-0100-x

[6] Tariq F., Alelyani S., Abbas G. et al. Solving renewables-integrated economic load dispatch problem by variant of metaheuristic bat-inspired algorithm. Energies, 2020, vol. 13, no. 23, art. 6225. DOI: https://doi.org/10.3390/en13236225

[7] Akhtar S., Ahmad A.R., Abdel-Rahman E.M. A metaheuristic bat-inspired algorithm for full body human pose estimation. 2012 Ninth Conf. on Computer and Robot Vision, 2012, pp. 369–375. DOI: https://doi.org/10.1109/CRV.2012.55

[8] Menassel R., Gaba I., Titi K. Introducing BAT inspired algorithm to improve fractal image compression. Int. J. Comput. Appl., 2020, vol. 42, no. 7, pp. 697–704. DOI: https://doi.org/10.1080/1206212X.2019.1638631 

[9] Stroustrup B. The C++ programing language. Addison-Wesley, 1997.

[10] Козов А.В. Сравнение эффективности некоторых модификаций алгоритма эволюционной стратегии. Политехнический молодежный журнал, 2018, № 5. DOI: http://dx.doi.org/10.18698/2541-8009-2018-5-309