一、未来搜索算法算法(FSA)简介
未来搜索算法(FSA)是M.Elsisi[20]于2018年通过模仿人类向往美好生活而提出的一种新颖搜索算法。该算法通过建立数学模型模拟人与人之间最优生活(局部搜索)和历史最优生活(全局搜索)来获得最优解。与其他算法相比,FSA具有调节参数少、收敛速度快、寻优能力强等优点。 a)算法初始化。FSA通过式(3)初始化当前解: S(i,:)=Lb+(Ub-Lb)*rand(1,d) (3) 式中 S(i,:)——第i个国家/地区当前解;Ub、Lb——搜索空间的上、下限;rand——均匀分布随机数;d——问题维数。
b)局部解和全局最优解。FSA将每个国家/地区当前最优解定义为局部最优解LS,将所有国家/地区当前最优解定义为全局最优解GS,并通过迭代过程获得待优化问题最优解。FSA通过式(4)、(5)实现局部解和全局最优解的更新: S(i,:)L=(LS(i,:)-S(i,:))*rand (4) S(i,:)G=(GS-S(i,:))*rand (5) 式中 S(i,:)L、S(i,:)G——第i个国家/地区局部解和全局最优解;LS(i,:)——第i个国家/地区局部最优解;GS——所有国家/地区全局最优解;rand——[0,1]范围内随机数。 c)定义新解。在获得第i个国家/地区局部解和全局最优解后,利用式(6)重新定义当前解: S(i,:)=S(i,:)+S(i,:)L+S(i,:)G (6) d)更新随机初始值。FSA在更新局部最优解LS和全局最优解GS后,利用式(7)更新式(3)的随机初始值: S(i,:)=GS+[GS-LS(i,:)]*rand (7)
二、BP神经网络简介
|