基于levy飞行改进的麻雀搜索算法
基于levy飞行改进的麻雀搜索算法
1.Levy飞行
2.基于Levy飞行映射的麻雀搜索算法
3.算法结果:
1.Levy飞行
自然界中很多动物想要在不确定的环境中找到食物,最理想的方式就是采用“Levy 飞行”搜索策略,在这
种形式的搜索中,短距离的探索性蹦蹦跳跳与偶尔的较长距离行走相间。短距离的蹦蹦跳跳可以保证动
物在觅食过程中能够对自身周围的小范围进行仔细的搜寻,而偶尔较长距离的行走又可以保证自身能够
进入另一个区域,在更广阔的范围进行搜索。鉴于 Levy 飞行的优点,许多学者受其启发,在进化策略中
引入 Levy 飞行策略,改进算法的性能并取得了较好的效果Levy 飞行的连续跳跃路径与时间 t 服从 Levy
分布,通过对其简化和进行傅里叶变换后,可以得到其幂次形式的概率密度函数:
式中 λ 是幂次数。式(1)是一个带有重尾的概率分布,但通过较为简单的程序语言实现比较困难,因此在
计算 Levy 飞行的搜索路径 L(λ) 时,通常采用 Mantegna 提出的模拟 Levy 飞行路径的计算公式:
式中: s 即为 Levy 飞行路径 L(λ);参数 β 的取值范围为 0 <β <2,一般取 β = 1. 5;参数 μ、v 为正态分
布随机数,服从式(3)所示的正态分布;式(3)所对应的正态分布的标准差 σ μ 、σ v 的取值满足式(4):
2.基于Levy飞行映射的麻雀搜索算法
基础麻雀算法的具体原理参考,我的博客:https://blog.csdn.net/u011835903/article/details/108830
958
该改进主要是在麻雀算法位置更新后,利用levy飞行对种群进行更新提高搜索能力。见Step7
算法流程
Step1: 初始化种群,迭代次数,初始化捕食者和加入者比列。
Step2:计算适应度值,并排序。
Step3:麻雀更新捕食者位置。
Step4:麻雀更新加入者位置。
Step5:麻雀更新警戒者位置。
Step6:计算适应度值并更新麻雀位置。
- 1
- 2
前往页