Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Oramus P.

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: multimodal function optimization

Sortuj według:

Ogranicz wyniki do:

Further improvement of the Glowworm Swarm Optimization algorithm by adding a conservation of agent move direction

Oramus P.

Bio-Algorithms and Med-Systems

2011

Vol. 7, no. 4

15--21

Glowworm Swarm Optimization is an algorithm, which can localize multiple optima of the multi-modal function during a single run. Unfortunately, original algorithm manifests several disadvantages: an agent can change its position only in the presence of other agents and exclusively in direction of randomly chosen neighboring agent. This paper shows how GSO algorithm can be significantly improved by simple modifications: agents receive an alternative method of changing the position by random jumps and they prefer directions consistent with the direction of the previous movement.

Improvements to Glowworm Swarm Optimization algorithm

Oramus P.

Computer Science

2010

Vol. 11

7-20

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.

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.