Cuckoo search algoritam Luka Krian Mentor Izv prof
- Slides: 16
Cuckoo search algoritam Luka Križan Mentor: Izv. prof. dr. sc. Domagoj Jakobović
• autori algoritma: Xin-she Yang i Suash Deb • optimizacijski algoritam • algoritam inspiriran parazitnim ponašanjem kukavica koje polažu jaja u gnijezda drugih ptica • samo jedan parametar – vjerojatnost odbacivanja rješenja (pa)
Rad algoritma • najvažniji korak – modifikacija svih rješenja koristeći Levy flight • pseudokod algoritma: slučajno generiraj početnu populaciju rješenja; do (kriterij zaustavljanja) { pronađi najbolje rješenje; modificiraj rješenja; stvori nova rješenja; }
Izračun veličine koraka – Levy flight • koristi se konstanta: • beta = 3/2
• step = u/v^(1/beta) • u je nasumičan broj normalne razdiobe pomnožen sa sigmom • v je nasumičan broj normalne razdiobe
• stepsize = (L/100) * step * (s-best) • s predstavlja zapis rješenja koje modificiramo • best predstavlja zapis trenutno najboljeg rješenja u populaciji • L je duljina promatranog intervala (domena)
• dobiveni korak se pomnoži sa nasumičnim brojem normalne razdiobe i pribroji promatranom rješenju • s_n = s_t + stepsize*x • novo rješenje zamjenjuje staro samo ako je bolje od starog
Generiranje novih rješenja • nakon modifikacije svih rješenja, stvaraju se nova rješenja • stvore se dvije kopije populacije • svakoj dimenziji rješenja doda se razlika dimenzija slučajno odabranog para rješenja iz kopija populacije pomnoženih slučajnim brojem
• generira se slučajan broj - ako je veći od parametra pa, na odabranoj dimenziji vrši se pribrojavanje
Implementacija algoritma • implementacija u ECF zasnovana na implementaciji autora algoritma u Matlabu • genotip – brojevi s pomičnim decimalnim zarezom
Rezultati • usporedba s Steady State Tournament algoritmom • jednostavan genetski algoritam koji odabire minimalno 3 slučajna rješenja iz populacije te najlošijeg od njih zamjenjuje djetetom 2 od odabranih rješenja na kojem se izvrši mutacija
Parametri • • veličina populacije: 50 domena: [-50, 50] pa = 0. 1 maksimalni broj generacija: 500 vjerojatnost mutacije: 0. 3 veličina turnira: 3 korištena funkcija 1 iz primjera Function. Min 10 testova za svaki broj dimenzija
• jednodimenzionalni problem: – CS: pronalazi rješenje nakon prosječno 24 generacije – SST: pronalazi rješenje nakon prosječno 22 generacije
• dvodimenzionalni problem: – CS: pronalazi rješenje u prosječno 184 generacije – SST: pronalazi rješenje u 7/10 slučajeva u prosječno 73 generacije, prosječno odstupanje (fitness min value) u slučaju nepronalaska: ~1 e-10
• trodimenzionalni problem: – CS: ne pronalazi rješenja, prosječno odstupanje: 0, 2471 – SST: ne pronalazi rješenja, prosječno odstupanje: reda veličine e-7
• četverodimenzionalni problem: – CS: ne pronalazi rješenja, ogromno odstupanje – SST: ne pronalazi rješenja, ali odstupanje je vrlo malo
- R-rd-izv
- Pseudokod for
- Naredba rem
- Algoritmi zadaci
- Algoritam informatika
- Polinomi
- Algoritam informatika 5 razred
- Algoritmi u teoriji brojeva
- Kruskalov algoritam
- Linijska struktura algoritma
- Algoritam primeri
- Asimetricna kriptografija
- Dijkstrin algoritam primjer
- Algoritam team
- Koliko kocka ima uglova
- Algoritmi informatika
- Programiranje 1 pmf