基于動物覓食原理的改進微粒群算法研究.pdf

1、微粒群算法是一種模擬鳥群飛行、魚群游動的群體智能算法。該算法簡單易實現(xiàn)、可調參數(shù)少，己成功應用于許多領域。論文從動物覓食原理出發(fā)，對微粒群算法的算法結構進行了改進。
　　 從標準微粒群算法的生物學背景可知，微粒的行為僅由外部環(huán)境中食物的豐富度來決定，即所有微粒都趨向于向著食物最多的地方靠近。微粒的行為選擇僅受外部環(huán)境影響，而沒有考慮微粒自身的內部動機或內部狀態(tài)。生物學的一些研究表明，動物在覓食過程中，其行為選擇除了與外部環(huán)境中食

2、物的豐富度有關，還與動物機體內部自發(fā)的調節(jié)變化或生理需要有很大關系。因而論文在標準微粒群算法基礎上，將微粒拓展為可以根據(jù)自身的內部動機進行行為選擇的智能體，提出了食物引導的微粒群算法。該算法在標準微粒群算法的基礎上，引入自身內部動機，使微粒能根據(jù)自身內部動機的不同進而產(chǎn)生不同的行為，從而更加符合算法的生物學背景。
　　 動物在覓食過程中危險隨時都存在，所以捕食風險對于動物覓食行為具有很大影響。而通過模擬動物群體的覓食行為而形成的

3、微粒群算法卻忽略了這一重要因素，因而論文在食物引導的微粒群算法的基礎上，引入捕食風險因素，提出了風險效益微粒群算法。該算法中，微?？梢愿鶕?jù)自身內部狀態(tài)的不同在饑餓風險和捕食風險之間進行權衡，當自身面臨的能量壓力較小時，其行為主要表現(xiàn)為對捕食風險的警戒，反之，面臨能量壓力較大時，則表現(xiàn)為對食物的需求。
　　 在風險效益微粒群算法中，微粒進化中如果發(fā)現(xiàn)了一個新的個體歷史最優(yōu)位置后，從而滿足了自身能量需求，饑餓風險減小，其行為更傾向于

4、對捕食風險的警戒。然而在真實動物群體中，有些動物在食物搜索過程中，如果發(fā)現(xiàn)了一個相對于以前位置食物更多的地方后，出于對食物的渴望及饑餓的恐懼，可能還會產(chǎn)生更大的動力去尋找食物。因此，通過對這種現(xiàn)象進行模擬，對算法進行了改進，提出了激勵微粒群算法。該算法中，微粒進化中如果發(fā)現(xiàn)了一個新的個體歷史最優(yōu)位置后，滿足了自身能量需求后，其饑餓風險反而增大，更傾向于對食物的需求。仿真結果表明，該算法較其他改進算法具有較高的全局搜索能力和較高的搜索效率