北極熊算法（Polar Bear Optimization,PBO）是2017年由David等人提出的一種受自然界啟發(fā)的優(yōu)化算法,算法的靈感來自于北極熊賴以在北極嚴酷的環(huán)境下生存下來的捕獵方式;由于PBO是近年才提出來的新穎智能優(yōu)化算法,中文文獻中關(guān)于PBO算法的描述和應用微乎其微;還原了PBO的開發(fā)背景,介紹了算法的相關(guān)運算算子和算法的詳細執(zhí)行步驟,展現(xiàn)了PBO算法在現(xiàn)實世界中的應用領(lǐng)域和實際效果。 

【文章來源】：計算機測量與控制. 2020,28(03)

【文章頁數(shù)】：7 頁

【部分圖文】：

北極熊游走和覓食行為整體活動示意圖[1]

文獻[1]將北極熊在嚴寒的北極冰地上和海洋中尋找食物時的行為建模為優(yōu)化策略，北極熊的特性為北極熊算法運算機制模型的研究提供了靈感。圖3 北極熊攻擊策略示意圖[1]

圖2 北極熊跳上浮冰向獵物靠近行為示意圖[1]在模型中，北極的極端條件可以想象為解空間，空間中的最優(yōu)解的位置無從得知，如同北極熊不知道在哪里可以找到海豹或其他食物一樣。在算法尋優(yōu)過程中，算法會陷入局部最優(yōu)狀態(tài)，這會阻止算法進行全局搜索。由此，優(yōu)化目標和函數(shù)的本質(zhì)就難以獲知，因此需要一些特定的策略來避免錯誤。北極熊尋找食物，但北極的環(huán)境會使它們被困甚至死亡，因此它們進化出了非常有效的機制幫助他們成功生存下來。北極熊的捕獵策略有兩個階段，在北極熊算法中，執(zhí)行機制將北極熊在北極冰地和海洋中行進的過程作為全局搜索策略，將北極熊的具體捕獵行為作為局部搜索策略。此外，北極熊算法采用了控制種群出生和死亡的機制來模擬自然條件下北極熊的繁衍生存行為。


本文編號：3473126