Das Prinzip und die optimale Lösungslogik des Krähensuchalgorithmus

Crow Search Algorithm (CSA) ist ein Algorithmus zur Optimierung der Schwarmintelligenz, der vom Krähenverhalten inspiriert ist. Ähnlich wie andere von der Natur inspirierte Metaheuristiken simuliert CSA das Verhalten von Krähen, die sich verstecken und Nahrung holen. Dieser Algorithmus zeichnet sich durch eine einfache Struktur, wenige Steuerparameter und eine einfache Implementierung aus. Wie die meisten Optimierungsalgorithmen weist CSA jedoch auch einige Mängel auf, z. B. eine langsame Konvergenz und die einfache Möglichkeit, in lokal optimale Lösungen zu fallen. Dennoch ist CSA immer noch ein vielversprechender Algorithmus, der bei bestimmten Problemen gute Optimierungsfähigkeiten zeigen kann.

Warum den Crow-Suchalgorithmus verwenden?

Das Merkmal des Crow Search-Algorithmus (CSA) ist seine Fähigkeit, Antworten von verschiedenen Dingen zu sammeln und sie als Ganzes zu berechnen, um die beste Lösung für das Problem zu finden. Der Vorteil dieses Ansatzes liegt in der Möglichkeit, die beste Lösung für ein spezifisches Problem zu finden. Der Grund für die Einführung von CSA liegt daher darin, dass es eine effektive Problemlösung bieten kann.

Vereinfacht ausgedrückt wird das Konzept des dezentralen, selbstorganisierten kollektiven Verhaltens zur Lösung konkreter Probleme genutzt.

Krähenverhaltenslogik

Krähen gelten als die intelligentesten Vögel, sie haben Selbstbewusstsein und die Fähigkeit bewiesen, Werkzeuge herzustellen. In Spiegeltests können Krähen das Gesicht des anderen erkennen und sich gegenseitig vor sich nähernden Rivalen warnen. Darüber hinaus können Krähen mithilfe von Werkzeugen komplexe Kommunikation betreiben und sich Monate später an den Ort der Mahlzeiten erinnern.

Crow Search Algorithm (CSA)-Logik

Der Zweck dieser Heuristik besteht darin, Krähen zu ermöglichen, anhand einer anderen Krähe versteckte Nahrungsorte zu finden. Während des gesamten Prozesses wird die Position der Krähe ständig aktualisiert. Außerdem müssen Krähen ihre Position ändern, wenn Futter gestohlen wird.

Die Algorithmuseinstellung hat eine d-dimensionale Umgebung mit vielen Krähen darin. Vektoren, die die Anzahl der Krähen (Gruppengröße) und ihre Position bei jeder Iteration angeben. Jede Krähe hat eine Erinnerung, die ihr Versteck festhält. Bei jeder Wiederholung wird der Ort des Verstecks ​​der Krähe enthüllt.

In der nächsten Iteration beabsichtigt die Krähe, zu ihrem Versteck zu reisen, das von einer anderen Krähe bestimmt wird. In dieser Iteration folgt die erste Krähe der zweiten Krähe zu ihrem Versteck. In diesem Fall gibt es zwei mögliche Ergebnisse.

Die zweite Krähe wusste nicht, dass die erste Krähe dahinter steckte. Dadurch rückt die erste Krähe näher an das Versteck der zweiten Krähe heran. In diesem Fall wird die neue Position der ersten Krähe mithilfe gleichmäßig zwischen 0 und 1 verteilter Zufallszahlen und der Fluglänge zum Zeitpunkt der Iteration ermittelt.

Die zweite Krähe weiß, dass die erste Krähe ihr folgt, und um die Sammlung vor Diebstahl zu schützen, täuscht sie die erste Krähe, indem sie ihre Position im Suchraum ändert.

Im Crow Search-Algorithmus (CSA) ist der Wahrnehmungswahrscheinlichkeitsparameter hauptsächlich für die Verstärkung und Diversifizierung verantwortlich. Der Crow-Algorithmus durchsucht bevorzugt den lokalen Bereich, in dem sich die aktuell optimale Antwort befindet, indem er den wahrgenommenen Wahrscheinlichkeitswert reduziert.

Wenn der wahrgenommene Wahrscheinlichkeitswert steigt, verringert sich die Wahrscheinlichkeit, dass der Algorithmus in Bereichen mit vorhandenen Ergebnissen sucht, und der Crow Search-Algorithmus (CSA) neigt eher dazu, den Suchraum zufällig zu erkunden. Daher kann die Verwendung von Parameterwerten mit hoher Bekanntheitswahrscheinlichkeit die Vielfalt der Algorithmusergebnisse verbessern.

Das obige ist der detaillierte Inhalt vonDas Prinzip und die optimale Lösungslogik des Krähensuchalgorithmus. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!