Matlab群体智能优化算法之学车算法(DTBO)

2023-10-20 04:10

本文主要是介绍Matlab群体智能优化算法之学车算法(DTBO),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Driving Training-Based Optimization: A New Human-Based Metaheuristic Algorithm for Solving Optimization Problems
参考文献:Dehghani M, Trojovská E, Trojovský P. Driving Training-Based Optimization: A New Human-Based Metaheuristic Algorithm for Solving Optimization Problems[J]. 2022…
注:仅记录学习,如有侵权,联系删除。
当你有疑问,为什么这些算法层次不穷的时侯,可以看看NFL定理。
  there is no guarantee that an algorithm will work the same in all optimization problems.

  作者又出乎意料的来了一个基于驾驶训练的优化算法,动物园快结束了,谁能想到开始了基于人的元启发式算法盛行了。
  各位少年,努力把,你苦苦在学车,别人把车造了,车学了,你练了,考了证了,就走了。有的人却在这上面做了文章,我只能感慨差距啊。不用憧憬在未来,我想在我写这篇博客的时候,已经存在好多了。孤陋寡闻啊。

  优化的问题:决策变量、约束条件、目标函数
  DBTO灵感来源:
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
主要关心的是位置如何更新的,这也是所有算法的关键之处
1、教练的培训
  这个阶段是基于学车者对教练的选择,然后由选定的教练对学车这进行培训
  选择一定数量的最佳成员作为教练,其余作为学车者。这个阶段将增加BTBO在全局搜索和发现最优区域的探索能力。选择的时候是根据适应度的值来选取的,数量假设为N,N是一个动态更新的数字,可根据下述描述的公式。

在这里插入图片描述
  这个阶段的位置更新方式
在这里插入图片描述
2、学车者学习教练的本事
在这里插入图片描述

3、学车者自己的学习
这个阶段像极了自己的操作。大家在学车的时候,可能教练不是这么教的,你自己创建了自己的独特开车方式。很帅。在这里插入图片描述
伪代码
在这里插入图片描述
作者对未来研究方向的简短阐述,他对比了PSO,WOA,MVO,GA,GWO,GSA,TLBO,RSA,TSA
在这里插入图片描述
我只能说不分好坏。没有绝对的好,没有绝对的坏。我打算把自己现在有的智能算法做一个系统的分类。当然,我也是看别人论文对这些的定义。做一个暂时的归纳吧
可以学习学习,看看优秀的论文是如何做对比的。独立运行20次,和经典的十个算法做了比较
对比的东西包括:平均值,最优值,最差值,标准差,中位数,排名
在这里插入图片描述
我只能说只有自己运行一次才知道会得到什么样的结果。
图我就不放了,别人写好的代码,我运行一下也没多大意义。
大家可以学习学习思路。可能用不到,但是读完之后总有些许收获。

没有目录,没有自己敲公式,觉得罪恶啊。希望下次可以做到好好写。哈哈哈。
在线征求一份伪代码的模板,我是用word三线表画的,敲公式的时候感觉不对劲。大家有没有好的推荐,谢谢啊。

这篇关于Matlab群体智能优化算法之学车算法(DTBO)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/244567

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time