Improvements to Glowworm Swarm Optimization algorithm

• Autorzy: Oramus P.

Warianty tytułu

PL

Ulepszenia algorytmu Glowworm Swarm Optimization

• Języki publikacji: EN

Abstrakty

EN

Glowworm Swarm Optimization algorithm is applied for the simultaneous capture of multiple optima of multimodal functions. The algorithm uses an ensemble of agents, which scan the search space and exchange information concerning a fitness of their current position. The fitness is represented by a level of a luminescent quantity called luciferin. An agent moves in direction of randomly chosen neighbour, which broadcasts higher value of the luciferin. Unfortunately, in the absence of neighbours, the agent does not move at all. This is an unwelcome feature, because it diminishes the performance of the algorithm. Additionally, in the case of parallel processing, this feature can lead to unbalanced loads. This paper presents simple modifications of the original algorithm, which improve performance of the algorithm by limiting situations, in which the agent cannot move. The paper provides results of comparison of an original and modified algorithms calculated for several multimodal test functions.

PL

Algorytm Glowworm Swarm Optimization jest stosowany do równoczesnego odnajdywania wielu optimów funkcji multimodalnych. Algorytm używa zespołu agentów przeszukujących przestrzeń poszukiwań i wymieniających się informacjami o wartości funkcji przystosowania w danym położeniu. Funkcja przystosowania jest reprezentowana przez poziom emitującego światło pigmentu - lucyferyny. Agenci poruszają się w kierunku losowo wybranego sąsiada, który rozgłasza wyższą wartość poziomu lucyferyny. Niestety w przypadku braku sąsiadów agent nie porusza się wcale. Stanowi to niepożądaną cechę algorytmu ograniczającą jego wydajność. W przypadku przetwarzania równoległego cecha ta może prowadzić do niezrównoważenia obciążenia. Praca ta przedstawia proste modyfikacje oryginalnego algorytmu zwiększające jego wydajność poprzez ograniczanie liczby takich sytuacji, w których agent nie może się poruszyć. Przedstawione zostały wyniki porównania pracy oryginalnego i zmodyfikowanych algorytmów dla kilku funkcji testowych.

Słowa kluczowe

EN

swarm intelligence; glowworm swarm optimization; multimodal function optimization

PL

inteligencja roju; optymalizacja

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Science
• Rocznik: 2010
• Tom: Vol. 11
• Strony: 7--20
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.

Twórcy

autor

Oramus P.

• Department for Information Technology, Faculty of Physics, Astronomy
• Applied Computer Science, Jagiellonian University in Krakow, ul. Reymonta 4, 30-059 Krakow, Poland

Bibliografia

• [1] Krishnanand K.N., Ghose D.: Glowworm swarm optimization for simultaneous capture of multiple local optima of multimodal functions, Swarm Intelligence, vol. 3, 2009, No. 2, pp. 87-124.
• [2] Krishnanand K.N., Amruth P., Guruprasad M.H., Bidargaddi S.V., Ghose D.: Rendezvous of glowworm-inspired robot swarms at multiple source locations: a sound source based real-robot implementation. Ant Colony Optimization and Swarm Intelligence, Lecture Notes in Computer Science, LNCS 4150, Springer, Berlin, Germany, 2006, pp. 259-269.
• [3] Bonabeau E., Dorigo M., Theraulaz: G. Swarm intelligence: from natural to artificial systems. New York, Oxford University Press 1999.
• [4] Brits R., Engelbrecht A. P., van den Bergh F.: A niching particle swarm optimizer. Proc. of the 4th Asia-Pacific Conference on Simulated Evolution and Learning, Singapore, 2002, pp. 692-696.
• [5] Kennedy J., Eberhart R.: Particle Swarm Optimization. Proc. IEEE International Conference on Neural Networks, 1995, pp. IV: 1942-1948.
• [6] van den Bergh F.: An analysis of Particle Swarm Optimizers. PhD Thesis, Department of Computer Science, University of Pretoria, Pretoria, South Africa, 2002.
• [7] van den Bergh F., Engelbrecht A. P.: A new locally convergent particle swarm optimizer. Proc. of IEEE International Conference on Systems, Man, and Cybernetics 2002, 2002, pp. 96-101.
• [8] Krishnanand N.K., Ghose D.: Glowworm swarm based optimization algorithm form multimodal functions with collective robotic applications. Multiagent and Grid Systems, 2(3), 2006, pp. 209-222.
• [9] Reutskiy S.Y., Chen C.S.; Approximation of multivariate functions and evaluation of particular solutions using Chebyshev polynomial and trigonometric basis functions. International Journal for Numerical Methods in Engineering, 67(13), 2006, pp. 1811-1829.
• [10] Tórn A., Zilinskas A.: Global optimization. New York, Springer 1989.