网站建设专业如何做到廉洁自律,wordpress亲你迷路了,无锡优化网站费用,工程信息服务平台目录 1.背景2.算法原理2.1算法思想2.2算法过程 3.结果展示4.参考文献 1.背景
2021年#xff0c;H Peraza-Vzquez等人受到跳蛛狩猎行为启发#xff0c;提出了跳蛛优化算法#xff08;Jumping Spider Optimization Algorithm#xff0c;JSOA#xff09;。
2.算法原理
2.1… 目录 1.背景2.算法原理2.1算法思想2.2算法过程 3.结果展示4.参考文献 1.背景
2021年H Peraza-Vázquez等人受到跳蛛狩猎行为启发提出了跳蛛优化算法Jumping Spider Optimization AlgorithmJSOA。
2.算法原理
2.1算法思想
JSOA模拟了跳蛛的捕猎行为主要包括跳蛛捕猎时的迫害、跳向猎物、搜索行为并通过信息素来优化位置不佳的跳蛛。
2.2算法过程
迫害
当跳蛛跳跃距离不够捕捉猎物时它会通过一些隐蔽的移动靠近猎物 x ⃗ i ( g 1 ) 1 2 ( x ⃗ i ( g ) − x ⃗ r ( g ) ) (1) \vec{x}_{i}(g1)\frac{1}{2}(\vec{x}_{i}(g)-\vec{x}_{r}(g))\tag{1} x i(g1)21(x i(g)−x r(g))(1) 其中xr为不等于xi的随机跳蛛。
跳向猎物
跳蛛扑向猎物的行为可以表示为初速度为V0与水平夹角为φ 的 抛 物 线 运 动。该抛物线运动水平方向速度与竖直方向速度为 x ⃗ i V 0 cos ( α ) t i ⃗ y ⃗ i ( V 0 sin ( α ) t − 1 2 g t 2 ) j ⃗ (2) \begin{aligned}\vec{x}_{i}V_{0}\cos(\alpha)t\vec{i}\\\vec{y}_{i}\left(V_{0}\sin(\alpha)t-\frac{1}{2}gt^{2}\right)\vec{j}\end{aligned}\tag{2} x iV0cos(α)ti y i(V0sin(α)t−21gt2)j (2) 当时间间隔为1时可以得到 y x tan ( α ) − g x 2 2 V 0 2 cos 2 ( α ) (3) yx\tan(\alpha)-\frac{gx^2}{2V_0^2\cos^2(\alpha)}\tag{3} yxtan(α)−2V02cos2(α)gx2(3) 跳向猎物过程可以表述为 x ⃗ i ( g 1 ) x ⃗ i ( g ) tan ( α ) − g x ⃗ i 2 ( g ) 2 V 0 2 cos 2 ( α ) α ϕ π 180 (4) \begin{aligned}\vec{x}_{i}(g1)\vec{x}_{i}(g)\tan(\alpha)-\frac{g\vec{x}_{i}^{2}(g)}{2V_{0}^{2}\cos^{2}(\alpha)}\\\alpha\frac{\phi\pi}{180}\end{aligned}\tag{4} x i(g1)x i(g)tan(α)−2V02cos2(α)gx i2(g)α180ϕπ(4)
搜索猎物:
跳蛛在周围环境进行随机搜索以找到猎物算法提供了局部搜索和全局搜索。局部搜索表述为 x ⃗ i ( g 1 ) x ⃗ b e s t ( g ) W A L K ( 1 2 − ε ) (5) \vec{x}_i(g1)\vec{x}_{\mathrm{best}}(g)WALK\left(\frac{1}{2}-\varepsilon\right)\tag{5} x i(g1)x best(g)WALK(21−ε)(5) 全局搜索表述为 x ⃗ i ( g 1 ) x ⃗ b e s t ( g ) ( x ⃗ b e s t ( g ) − x ⃗ w o r s t ( g ) ) λ (6) \vec{x}_i(g1)\vec{x}_{\mathrm{best}}(g)(\vec{x}_{\mathrm{best}}(g)-\vec{x}_{\mathrm{worst}}(g))\lambda \tag{6} x i(g1)x best(g)(x best(g)−x worst(g))λ(6)
信息素:
第i只跳蛛信息素为 p h e r o m o n e ( i ) F i t n e s s max − F i t n e s s ( i ) F i t n e s s max − F i t n e s s min (7) pheromone\left(i\right)\frac{Fitness_{\max}-Fitness\left(i\right)}{Fitness_{\max}-Fitness_{\min}}\tag{7} pheromone(i)Fitnessmax−FitnessminFitnessmax−Fitness(i)(7) 当信息素小于或等于0.3时: x ⃗ i ( g ) x ⃗ best ( g ) 1 2 ( x ⃗ r 1 ( g ) − ( − 1 ) σ x ⃗ r 2 ( g ) ) \vec{x}_i(g)\vec{x}_{\text{best}}(g)\frac{1}{2}(\vec{x}_{r1}(g)-(-1)^{\sigma}\vec{x}_{r2}(g)) x i(g)x best(g)21(x r1(g)−(−1)σx r2(g))
伪代码
3.结果展示 4.参考文献
[1] Peraza-Vázquez H, Peña-Delgado A, Ranjan P, et al. A bio-inspired method for mathematical optimization inspired by arachnida salticidade[J]. Mathematics, 2021, 10(1): 102.
