手机网站客户端,前端开发需要学什么语言,贵阳网站设计报价,wordpress 需要授权吗目录 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 2019年#xff0c;A Yadav等人受库伦定律和运动定律启发#xff0c;提出了人工电场算法#xff08;Artificial Electric Field Algorithm#xff0c;AEFA#xff09;。 2.算法原理 2.1算法思… 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 2019年A Yadav等人受库伦定律和运动定律启发提出了人工电场算法Artificial Electric Field AlgorithmAEFA。 2.算法原理 2.1算法思想 AEFA中每个个体是一个带电的粒子每个粒子的位置代表问题的一个解这些带电的粒子在它们之间的电场力的引导下逐步的向种群中最优的位置靠近。电量较小的粒子在电量较大的粒子的引力下向带电量较大的粒子移动。在引力的不断作用下整个种群逐渐向电量较大的个体方向逼近最终搜索到问题的最优解整个过程遵循牛顿第二定律。 2.2算法过程 库伦定律规定两个带电粒子间的电场力与粒子所带的电量成正比与粒子间的距离成反比。假如两个粒子的带电量分别为 Q1和Q2 引力常数用K 来表示粒子间的欧氏距离用 D 来表示则粒子间的电场力F可用公式表示为 F K Q 1 Q 2 D 2 (1) FK\frac{Q_{1}Q_{2}}{D^{2}}\tag{1} FKD2Q1​Q2​​(1) 在第 t次迭代第 i个粒子和第 j个粒子间的作用力可表示为 F i j d ( t ) K ( t ) Q i ( t ) × Q j ( t ) R i j ( t ) ϵ ( p j d ( t ) − x i d ( t ) ) (2) F_{ij}^{d}(t)K(t)\frac{Q_{i}(t)\times Q_{j}(t)}{R_{ij}(t)\epsilon}\Big(p_{j}^{d}(t)-x_{i}^{d}(t)\Big)\tag{2} Fijd​(t)K(t)Rij​(t)ϵQi​(t)×Qj​(t)​(pjd​(t)−xid​(t))(2) 其中Rij表示粒子i与粒子j的欧式距离。K(t)是第t代的库伦常数: K ( t ) K 0 exp ⁡ ( − α i t m a x i t ) (3) K(t)K_0\exp\biggl(-\alpha\frac{it}{maxit}\biggr)\tag{3} K(t)K0​exp(−αmaxitit​)(3) 第i个个体所具有的电量: q i ( t ) exp ⁡ ( f i t p i ( t ) − w o r s t ( t ) b e s t ( t ) − w o r s t ( t ) ) Q i ( t ) q i ( t ) ∑ i 1 N q i ( t ) (4) q_{i}(t)\exp\biggl(\frac{fit_{pi}(t)-worst(t)}{best(t)-worst(t)}\biggr)\\Q_{i}(t)\frac{q_{i}(t)}{\sum_{i1}^{N}q_{i}(t)}\tag{4} qi​(t)exp(best(t)−worst(t)fitpi​(t)−worst(t)​)Qi​(t)∑i1N​qi​(t)qi​(t)​(4) 粒子i在第d维所受到的合力以及所具有的加速度: F i d ( t ) ∑ j 1 , j i N r a n d ∗ F i j d ( t ) a i d ( t ) F i d ( t ) Q i ( t ) (5) F_{i}^{d}(t)\sum_{j1,ji}^{N}rand*F_{ij}^{d}(t)\\a_{i}^{d}(t)\frac{F_{i}^{d}(t)}{Q_{i}(t)}\tag{5} Fid​(t)j1,ji∑N​rand∗Fijd​(t)aid​(t)Qi​(t)Fid​(t)​(5) 速度和位置更新为 V i d ( t 1 ) r a n d × V i d ( t ) a i d ( t ) X i d ( t 1 ) X i d ( t ) V i d ( t 1 ) (6) V_{i}^{d}\big(t1\big)rand\times V_{i}^{d}\big(t\big)a_{i}^{d}\big(t\big)\\X_{i}^{d}\big(t1\big)X_{i}^{d}\big(t\big)V_{i}^{d}\big(t1\big)\tag{6} Vid​(t1)rand×Vid​(t)aid​(t)Xid​(t1)Xid​(t)Vid​(t1)(6) 伪代码 3.结果展示 4.参考文献 [1] Yadav A. AEFA: Artificial electric field algorithm for global optimization[J]. Swarm and Evolutionary Computation, 2019, 48: 93-108.