Le principe et la logique de solution optimale de l'algorithme de recherche de corbeau

Crow Search Algorithm (CSA) est un algorithme d'optimisation de l'intelligence en essaim inspiré du comportement des corbeaux. Semblable à d’autres métaheuristiques inspirées de la nature, la CSA simule le comportement des corbeaux se cachant et récupérant de la nourriture. Cet algorithme présente les caractéristiques d’une structure simple, de peu de paramètres de contrôle et d’une mise en œuvre facile. Cependant, comme la plupart des algorithmes d’optimisation, CSA présente également certains inconvénients, tels qu’une convergence lente et une transition facile vers des solutions optimales locales. Malgré cela, CSA reste un algorithme prometteur pouvant montrer de bonnes capacités d’optimisation sur certains problèmes.

Pourquoi utiliser l'algorithme de recherche Crow ?

La caractéristique de l'algorithme de recherche Crow (CSA) est sa capacité à collecter des réponses de différentes choses et à les calculer dans leur ensemble pour trouver la meilleure solution au problème. L’avantage de cette approche est la capacité de trouver la meilleure solution à un problème spécifique. Par conséquent, la raison pour laquelle nous avons adopté la CSA est qu’elle peut permettre de résoudre efficacement les problèmes.

En termes simples, le concept de comportement collectif décentralisé et auto-organisé est utilisé pour résoudre des problèmes spécifiques.

Crow Behavior Logic

Les corbeaux sont considérés comme les oiseaux les plus intelligents, ils ont démontré une conscience de soi et la capacité de fabriquer des outils. Lors des tests de miroir, les corbeaux peuvent se reconnaître mutuellement et se prévenir de l'approche de rivaux. De plus, les corbeaux peuvent utiliser des outils pour communiquer de manière complexe et rappeler l’emplacement de leurs repas des mois plus tard.

Logique de l'algorithme de recherche de corbeaux (CSA)

Le but de cette heuristique est de permettre aux corbeaux de trouver des emplacements de nourriture cachés en fonction d'un autre corbeau. Tout au long du processus, la position du corbeau est constamment mise à jour. De plus, les corbeaux doivent changer de position lorsque de la nourriture est volée.

Le paramètre de l'algorithme a un environnement à dimensions D avec de nombreux corbeaux. Vecteurs précisant le nombre de corbeaux (taille du groupe) et leur position à chaque itération. Chaque corbeau a une mémoire qui lui tient lieu de cachette. A chaque itération, l'emplacement de la cachette du corbeau est révélé.

Dans la prochaine itération, le corbeau a l'intention de se rendre à sa cachette, qui est désignée par un autre corbeau. Dans cette itération, le premier corbeau choisit de suivre le deuxième corbeau jusqu'à sa cachette. Dans ce cas, il y a deux issues possibles.

Le deuxième corbeau ne savait pas que le premier était derrière lui. En conséquence, le premier corbeau se rapprochera de l’endroit où se cache le deuxième corbeau. Dans ce cas, la nouvelle position du premier corbeau est obtenue à l'aide d'un nombre aléatoire uniformément réparti entre 0 et 1 et de la longueur de vol au moment de l'itération.

Le deuxième corbeau sait que le premier corbeau le suit, et afin de protéger la collection contre le vol, il trompera le premier corbeau en changeant de position dans l'espace de recherche.

Dans l'algorithme de recherche Crow (CSA), le paramètre de probabilité de perception est principalement responsable du renforcement et de la diversification. L'algorithme Crow préfère rechercher la zone locale où se trouve la réponse optimale actuelle en réduisant la valeur de probabilité perçue.

Lorsque la valeur de probabilité perçue augmente, la possibilité que l'algorithme recherche dans des zones avec des résultats existants diminuera et l'algorithme de recherche Crow (CSA) sera plus enclin à explorer aléatoirement l'espace de recherche. Par conséquent, l’utilisation de valeurs de paramètres de probabilité de conscience élevée peut améliorer la diversité des résultats de l’algorithme.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!