【智能算法】流向算法(FDA)原理及实现

2024-03-28 10:20

本文主要是介绍【智能算法】流向算法(FDA)原理及实现,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!

在这里插入图片描述

目录

    • 1.背景
    • 2.算法原理
      • 2.1算法思想
      • 2.2算法过程
    • 3.结果展示
    • 4.参考文献


1.背景

2021年,H Karami等人受到水流运动规律启发,提出了流向算法(Flow Direction Algorithm, FDA)。

2.算法原理

2.1算法思想

FDA受到了流入排水池的水流的启发,模拟了水流朝向排水池最低高度出口的方向流动 (水往低处流~)。首先创建一个初始种群在排水池即问题的搜索空间中,然后考虑了邻近水流及其坡度对水流的影响,最后使水流流向海拔较低的位置,也就是排水池的最低海拔出口点(适应度值度量)。
在这里插入图片描述

2.2算法过程

创建水流领域

FDA 假设每个水流附近存在 β 个邻域,则第i个水流的第j个邻居位置为:
N ( j ) = F ( i ) + R N × Δ (1) N\left(j\right)=F\left(i\right)+R_{\mathbb{N}}\times\Delta \tag{1} N(j)=F(i)+RN×Δ(1)
其中,RN是均值为0,标准差为1的正态分布随机数;Δ 是用来控制算法搜索空间大小的控制参数,其值越小算法搜索范围越小,反之搜索空间越大.Δ的值从一个较大值线性减小到较小值,并朝向随机位置以增加多样性,表述为:
Δ = [ R × X r a n d − R × F ( i ) ] × ∥ X b e s t − F ( i ) ∥ × W (2) \begin{aligned}\Delta&=\bigl[R\times X_{\mathrm{rand}}-R\times F(i)\bigr]\times\left\|X_{\mathrm{best}}-F(i)\right\|\times W\end{aligned}\tag{2} Δ=[R×XrandR×F(i)]×XbestF(i)×W(2)
其中,Xrand为随机水流位置,Xbest为当代最优水流位置,W为非线性权重:
W = ( 1 − τ τ max ⁡ ) 2 × R N × ( R u × τ τ max ⁡ ) × R u (3) W=\left(1-\frac{\tau}{\tau_{\max}}\right)^{2\times R_{N}}\times\left(R_{\mathrm{u}}\times\frac{\tau}{\tau_{\max}}\right)\times R_{\mathrm{u}}\tag{3} W=(1τmaxτ)2×RN×(Ru×τmaxτ)×Ru(3)
其中,τ 和 τmax分别为当前迭代次数和最大迭代次数,Ru为均匀分布的随机向量。
更新水流位置
FDA算法中水流流向海拔最低的方向,若最优邻居N(k)的适应度fN(k)小于当前水流的适应度fF(i),则当前水流流向该邻居,此时新的水流位置为:
F n e w ( i ) = F ( i ) + v F ( i ) − N ( k ) ∥ F ( i ) − N ( k ) ∥ (4) \boldsymbol{F}_{\mathrm{new}}(i)=\boldsymbol{F}(i)+v\frac{\boldsymbol{F}(i)-\boldsymbol{N}(k)}{\left\Vert\boldsymbol{F}(i)-\boldsymbol{N}(k)\right\Vert}\tag{4} Fnew(i)=F(i)+vF(i)N(k)F(i)N(k)(4)
其中,k为最优邻居的序号;v为水流速度,与坡度直接相关:
v = R N × S 0 ( i , k , D ) (5) v=R_\text{N}\times S_0(i,k,D)\tag{5} v=RN×S0(i,k,D)(5)
其中,S0(i,k,D)为最优邻居N(k)和水流F(i)位置之间的斜率为:
S 0 ( i , k , D ) = f F ( i ) − f N ( k ) ∥ F ( i , d ) − N ( k , d ) ∥ (6) S_0(i,k,D)=\frac{f_{\boldsymbol{F}(i)}-f_{\boldsymbol{N}(k)}}{\left\|F(i,d)-N(k,d)\right\|}\tag{6} S0(i,k,D)=F(i,d)N(k,d)fF(i)fN(k)(6)
如果随机水流的适应度优于当前水流的适应度,那么当前水流将沿着随机水流的方向流动。
F n e w ( i ) = F ( i ) + R N × [ F ( r ) − F ( i ) ] (7) \boldsymbol{F}_{\mathrm{new}}(i)=\boldsymbol{F}(i)+R_{\mathrm{N}}\times\left[\boldsymbol{F}(r)-\boldsymbol{F}(i)\right]\tag{7} Fnew(i)=F(i)+RN×[F(r)F(i)](7)
如果当前水流的适应度优于其最优邻居的适应度,根据适应度值来决定当前水流是沿着该随机水流的方向移动,还是沿着最优水流的方向移动。
F n e w ( i ) = F ( i ) + 2 R N × [ X b e s t − F ( i ) ] (8) \boldsymbol{F}_\mathrm{new}(i)=\boldsymbol{F}(i)+2R_\mathrm{N}\times\left[\boldsymbol{X}_\mathrm{best}-\boldsymbol{F}(i)\right]\tag{8} Fnew(i)=F(i)+2RN×[XbestF(i)](8)

流程图
在这里插入图片描述

3.结果展示

在这里插入图片描述

4.参考文献

[1] Karami H, Anaraki M V, Farzin S, et al. Flow direction algorithm (FDA): a novel optimization approach for solving optimization problems[J]. Computers & Industrial Engineering, 2021, 156: 107224.

这篇关于【智能算法】流向算法(FDA)原理及实现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/855350

相关文章

SpringBoot集成redisson实现延时队列教程

《SpringBoot集成redisson实现延时队列教程》文章介绍了使用Redisson实现延迟队列的完整步骤,包括依赖导入、Redis配置、工具类封装、业务枚举定义、执行器实现、Bean创建、消费... 目录1、先给项目导入Redisson依赖2、配置redis3、创建 RedissonConfig 配

Python的Darts库实现时间序列预测

《Python的Darts库实现时间序列预测》Darts一个集统计、机器学习与深度学习模型于一体的Python时间序列预测库,本文主要介绍了Python的Darts库实现时间序列预测,感兴趣的可以了解... 目录目录一、什么是 Darts?二、安装与基本配置安装 Darts导入基础模块三、时间序列数据结构与

Python使用FastAPI实现大文件分片上传与断点续传功能

《Python使用FastAPI实现大文件分片上传与断点续传功能》大文件直传常遇到超时、网络抖动失败、失败后只能重传的问题,分片上传+断点续传可以把大文件拆成若干小块逐个上传,并在中断后从已完成分片继... 目录一、接口设计二、服务端实现(FastAPI)2.1 运行环境2.2 目录结构建议2.3 serv

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很

SpringBoot+RustFS 实现文件切片极速上传的实例代码

《SpringBoot+RustFS实现文件切片极速上传的实例代码》本文介绍利用SpringBoot和RustFS构建高性能文件切片上传系统,实现大文件秒传、断点续传和分片上传等功能,具有一定的参考... 目录一、为什么选择 RustFS + SpringBoot?二、环境准备与部署2.1 安装 RustF

Nginx部署HTTP/3的实现步骤

《Nginx部署HTTP/3的实现步骤》本文介绍了在Nginx中部署HTTP/3的详细步骤,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录前提条件第一步:安装必要的依赖库第二步:获取并构建 BoringSSL第三步:获取 Nginx

MyBatis Plus实现时间字段自动填充的完整方案

《MyBatisPlus实现时间字段自动填充的完整方案》在日常开发中,我们经常需要记录数据的创建时间和更新时间,传统的做法是在每次插入或更新操作时手动设置这些时间字段,这种方式不仅繁琐,还容易遗漏,... 目录前言解决目标技术栈实现步骤1. 实体类注解配置2. 创建元数据处理器3. 服务层代码优化填充机制详

Python实现Excel批量样式修改器(附完整代码)

《Python实现Excel批量样式修改器(附完整代码)》这篇文章主要为大家详细介绍了如何使用Python实现一个Excel批量样式修改器,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一... 目录前言功能特性核心功能界面特性系统要求安装说明使用指南基本操作流程高级功能技术实现核心技术栈关键函

Java实现字节字符转bcd编码

《Java实现字节字符转bcd编码》BCD是一种将十进制数字编码为二进制的表示方式,常用于数字显示和存储,本文将介绍如何在Java中实现字节字符转BCD码的过程,需要的小伙伴可以了解下... 目录前言BCD码是什么Java实现字节转bcd编码方法补充总结前言BCD码(Binary-Coded Decima

SpringBoot全局域名替换的实现

《SpringBoot全局域名替换的实现》本文主要介绍了SpringBoot全局域名替换的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录 项目结构⚙️ 配置文件application.yml️ 配置类AppProperties.Ja