В данной статье произведен анализ метаэвристического алгоритма роя жуков светляков. Алгоритм которого был разработан Кришнанандом(Krishnanand) и Госе (Ghose). Реализация алгоритма была произведена на языке Java. Реализованный алгоритм имеет графический интерфейс и несколько вариантов целевой функции. В ходе работы были использованы исследования различных авторов, находящиеся в свободном доступе.
Сегодня, популяционные алгоритмы вызывают все больший интерес. Эти алгоритмы находят широкое практическое применение. Самый яркий пример - это искусственный интеллект. Каждый агент движется не по отдельному правилу, а по правилам всего роя.
В данной работе уделяется внимание рассмотрению алгоритма роя жуков - светляков (glowworm swarm optimization). Идея указанного алгоритма предложена Кришнанадом (Krishnanand) и Госе(Ghose).Как и в светлячковом алгоритме[1 - с. 29], менее яркий жук - светляк перемещается к более яркому.
Алгоритм состоит из двух фаз: модификации количества люциферина и движения. В течение движения каждый жук - светляк полагается только на локальную информацию[2 - с. 269]. На заключительных итерациях множество жуков - светляков сходится к одному или нескольким оптимумам. Весь алгоритм состоит из нескольких этапов.
Один из наиболее важных - это модификация количества люциферина. Ведь он является решающим фактором в движения светляков. [3 - с. 1]
Исходные параметры алгоритма задаются программно внутри кода. Остальные же части, считаются и выводятся на экран пользователя. Особенностью данного программного продукта, является графическое представление каждой итерации всего алгоритма. В качестве примера были взяты две функции f(x) = sin х и f(x) = -2x 2 11 x - 9. На Рис. 1 представлен результат работы программы с функцией f(x) = sin х . На графике видно, что не все агенты добрались до экстремума, а результатом является агент который приблизился ближе всех к максимуму функции.
ЯучшиЯ . 7.87М4551Л?6Я4«
Рис. 1 - Результаты исследования функции Дх) = sin х
Подобный результат можно увидеть и на функции fx) = -2x 2 11 x - 9 - Рис. 2. Где положение агентов на графике отображено в качестве зеленых кружков.
Рис. 2 - Результаты исследования функции fx) = -2x 2 11 x - 9
В заключении можно сказать, что интерес к роевым алгоритмам будет продолжать расти. Так как при правильно подобранных параметрах его точность может быть очень высокой, что подойдет для задач глобальной оптимизации.
Современные Алгоритмы Поисковой Оптимизации: Алгоритмы, вдохновленные природой / А.П. Карпенко. Москва: Издательство МГТУ им. Н.Э. Баумана,(2014).
Научно - методический электронный журнал «Концепт». - 2016. - Т. 11. - С. 3646¬3650. - URL: http: // e - koncept.ru / 2016 / 86767. htm.
С.А. Пивоваров, Л.Л. Романов, А.С. Лазарев, 2017
УДК 004.023
С.А. Пивоваров Студент Факультета Информационных Технологий и Управления «Южно - Российский государственный политехнический университет (НПИ) имени М.И. Платова», г. Новочеркасск Л.Л. Романов Студент Факультета Информационных Технологий и Управления «Южно - Российский государственный политехнический университет (НПИ) имени М.И. Платова», г. Новочеркасск А.С. Лазарев Магистр Факультета Информационных Технологий и Управления «Южно - Российский государственный политехнический университет (НПИ) имени М.И. Платова», г. Новочеркасск
рой жук светляк, алгоритм рой жук, результат исследование функция, рис результат исследование, модификация количество люциферин, результат являться агент, экстремум результат являться, являться агент приблизиться, агент приблизиться близкий, приблизиться близкий максимум, алгоритм рой жук светляк, рис результат исследование функция, агент добраться экстремум результат, добраться экстремум результат являться, результат являться агент приблизиться, являться агент приблизиться близкий, график агент добраться экстремум, экстремум результат являться агент, функция график агент добраться, рис представить результат программа,