仿电磁学算法 ( EM )
-
Upload
carol-osborn -
Category
Documents
-
view
161 -
download
0
description
Transcript of 仿电磁学算法 ( EM )
仿电磁学算法 (EM)
仿电磁学算法 (Electromagnetism-like Mechanism) 是由美国北卡罗莱纳州立大学博士 Birbil 在 2003 年提出的一种新型全局优化算法。
算法通过 模拟带电电荷间吸引和排斥机理来确保优化问题种群的多样性和搜
索空间的完整性 用总矢量力的计算来确定种群的移动速度 根据种群进化模型来确定种群的进化方向 采取局部搜索提高算法的邻域搜索能力 当满足收敛条件时输出优化问题的解
仿电磁学算法 (EM)
whileend:8
1iterationiteration :7
Move(F) :6
CalcF()F :5
),Local( :4
do iteration while:3
1itration:2
()Initialize:1
),,,(EM 1 ALGORITHM
LSITER
MAXITER
LSITERMAXITERm
EM 算法首先 从可行域中随机产生一组初始种群
每个个体,看作一个带电粒子, 在迭代过程中根据每个粒子的评价函数值计算出其对应的电
荷值,粒子 的电荷值表达式为
其值大小表明粒子与本次迭代中最好粒子的接近程度,电荷值越大表明其与最优粒子越接近。
• EM 算法根据粒子及其电荷值来描述种群中• 每个粒子的矢量力大小和性质• 粒子的矢量力是 EM 算法产生新种群的基
础。• 若,粒子和粒子之间作用力性质为吸引力,
否则为排斥力。
矢量力 Fk,i 表示其他粒子 Xk,j 与粒子 Xk,i 作用力的代数和。
粒子 Xk,i 的矢量力表达式为
在粒子 Xk,i 电荷值计算和矢量力计算的基础上, EM 算法通过种群移动模型来产生一代种群 种群进化模型的数学模型为
作用类似于遗传算法的交叉和变异算子 保证算法继续进化和种群多样性的必备条件
优点 在求解连续的非线性函数,神经网络和非线性约束
条件的优化问题效率高 , 实现较方便。 缺点
由于他的连续性,他不能被直接应用到组合优化问题,如调度问题。
为克服此问题,在仿电磁学的基础上, Chao et al. 引入了交叉与突变因子,即 DEM 。
DEM 的提出
Chao et al. [2011] built a discrete EM for solving flowshop scheduling problem with lots of parameters.
They proposed a more efficient discrete version of with less parameters for solving single machine total weighted tardiness problem with sequence-dependent setup times.
DEM 算法包含四个步骤:算法的初始化,每个粒子电荷的计算,根据吸引——排斥机制进行电荷的移动,引用参考的局部搜素 (RLS).
max
max
ALGOTITHM DEM( , , )
Input parameters:
: number of particles(i.e.,population size)
: maxmium CPU time
: destruction size for the destruction and construction (DC)procedure
1:INITIALIZATION(
N t d
N
t
d
max
) %the initialization
2:WHILE executing is less than DO
3: COM_CHARGE() %the calculation of each particle's charge
4: MOVE(q,d,p) %the movement for each par
the CPU time t
q ticle
5: referenced local search %optional
6:END WHILE
i
( ) ( )
ALGOTITHM DC( )
1: FOR 1 to DO %
2: (1, )
3: \ and
4:END FOR
5:FOR 1 to DO %
6 :
i
i iD k R R k
i
j d destruction phase
k U n
j d construction phase
best permutation obtai
7:END FOR
Rj Dned by inserting job in all position of
1 、初始化随机产生 N 个个体,对每个个体应用 NEH 启发式算法构建,然后执行 DC 步骤(拆解与重组)。(1 5 2 3 0 4)
(1 5) or (5 1)
(2 0 4 5 3 1)
(5 1) (2 5 1) or (5 2 1) or (5 1 2)
1k 5k
(0 4 5 1) and (2 3)
(2 0 4 5 1)(0 2 4 5 1)(0 4 2 5 1)(0 4 5 2 1)(0 4 5 1 2)
(2 0 4 5 1)
(2 0 4 3 5 1)
2 、计算电荷量
FOR END:3
))()((
)()(exp :2
DO TO 1 FOR:1
()COM_CHARGE ALGORITHM
1
N
j
bestj
bestii
ff
ffnq
Ni
(2 0 4 3 5 1) 398 q=0.804404(4 3 2 5 0 1) 655 q=0.232074(1 4 0 2 3 5) 353 q=1(2 0 4 5 3 1) 833 q=0.0981123
3 、粒子移动
在 DEM算法中,通过引入交叉与变异因子来模拟电磁学中的吸引——排斥机制。
在这种方法中,当 )()( ji ff 时,粒子 i倾向于吸引粒子 j中的基因(工件);
而当 )()( ji ff 时,粒子 i倾向于排斥粒子 j中的基因。这种方法了避免了实
值计算,又模拟出了吸引——排斥机制。
''
'
ALGORITHM SWAP( )
1: generate an integer value [ (1, )] as is not empty
2:FOR 1 to DO
3: swap with
4 : IF ( ) is updated THEN
5: 1
6 : ELSE
7: sw
I
ik
i ik k
i
k U n DC
k n
f
k n
'ap with
8 : END IF
9:END FOR
i ik k
( , , 2,3, , )iDC ' 4k
2 0 4 3 5 1
3 0 4 2 5 1
3 0 4 2 5 13 0 4 2 5 1
0 3 4 2 5 1
1k 2k
2 0 4 3 5 1
2.5. Referenced local search
IF END:7
:6
THEN )()( IF:5
),(RIS:4
)DC(:3
)insert(:2
:1
)RLS( ALGORITHM
*
*
**
**
**
*
best
best
R
best
best
ff
0 3 4 2 5 1
1, 5g r
3 4 2 5 0 1
WHILEEND:14
1 :13
IF END :12
1 :11
ELSE :10
1 :9
:8
THEN )()( IF :7
ofposition any in job insertingby obtained sequencebest :6
in job tocorrespondwhich , from job remove :5
(mod) :4
DO WHILE:3
1:2
1:1
),RIS( ALGORITHM
1*
*1
0*
1
R**0
*
hh
ii
i
ff
nhh
ni
i
h
k
Rhk
R
参考序列( 1 3 5 4 2 0 )
当前序列( 3 4 2 5 0 1 )
( 3 4 2 5 0 ) 1
( 1 3 4 2 5 0 )( 3 1 4 2 5 0 )( 3 4 1 2 5 0 )( 3 4 2 1 5 0 )( 3 4 2 5 1 0 )( 3 4 2 5 0 1 )
( 3 4 1 2 5 0 )
( 3 4 1 2 5 0 )( 4 3 1 2 5 0 )( 4 1 3 2 5 0 )( 4 1 2 3 5 0 )( 4 1 2 5 3 0 )( 4 1 2 5 0 3 )
Thanks for your attention!