Beruflich Dokumente
Kultur Dokumente
Las arañas son los agentes de SSA para realizar la optimización. Al comienzo del
algoritmo, una cantidad predefinida de arañas son poner en la web. Cada araña tiene
memoria, almacenando lo siguiente información individual:
• La posición de s en la web.
• La aptitud de la posición actual de s.
• La vibración objetivo de s en la iteración anterior.
• El número de iteraciones desde que s cambió por última vez su vibración objetivo.
• El movimiento que se realizó en la iteración anterior.
• La máscara de dimensión1 que se emplea para guiar el movimiento en el
iteración previa.
Los primeros dos tipos de información describen la situación individual
De s, mientras que todos los demás están involucrados en dirigir s a nuevas posiciones.
El esquema detallado de movimiento se desarrollará en la Sección 3.3.
En base a las observaciones, se encuentra que las arañas son muy precisas Con el sentido
de la vibración. Además, pueden separar diferentes vibraciones propagadas en la misma
web y perciben sus respectivas intensidades. En SSA, una araña generará una vibración
cuando alcanza una nueva posición diferente a la anterior. La intensidad
De la vibración se correlaciona con la aptitud de la posición. la vibración se propagará
sobre la red y otras arañas pueden sentir eso. De esta manera, las arañas en la misma
web comparten su personal información con otros para formar un conocimiento social
colectivo.
3.2. Vibración
La vibración es un concepto muy importante en SSA. Es una de las características
principales que distinguen SSA de otras meta heurísticas. En SSA, utilizamos dos
propiedades para definir una vibración, a saber, la posición de la fuente y la intensidad
de la fuente de la vibración. la posición de origen está definida por el espacio de
búsqueda de la optimización problema, y definimos la intensidad de una vibración en el
rango [0,+ ∞). Cada vez que una araña se mueve a una nueva posición, genera una
Vibración en su posición actual. Definimos la posición de la araña en el tiempo t como
Pa (t), o simplemente como Pa si el argumento de tiempo es t. Nuestro Uso adicional I
(Pa, Pb, t) para representar la intensidad de vibración detectada por una araña en la
posición Pb en el tiempo t y la fuente de la vibración está en la posición Pa. Con estas
anotaciones podemos usar I (Ps, Ps, t) para representar la intensidad de la vibración
generada por las arañas en la posición de origen. Esta intensidad de vibración en la
posición de origen se correlaciona con la idoneidad de su posición f (Ps), y definimos el
valor de intensidad de la siguiente manera:
Donde C es una constante de confianza pequeña de modo que toda la aptitud posible
Los valores son mayores que C. Tenga en cuenta que consideramos la minimización
Problemas en este documento. El diseño de (1) toma los siguientes problemas
En consideración:
• Todas las intensidades de vibración posibles del problema de optimización son
Positivo.
• Las posiciones con mejores valores de condición física, es decir, valores más pequeños
para
Problemas de minimización, tienen intensidades de vibración más grandes que
Aquellos con peores valores de condición física.
• Cuando una solución se acerca al óptimo global, la vibración la intensidad no
aumentaría excesivamente y causaría un mal funcionamiento del esquema de
atenuación de la vibración.
Como una forma de energía, la vibración se atenúa con la distancia. Este fenómeno físico
se cuenta en el diseño de SSA. Define la distancia entre spider a y b como D (Pa, Pb) y
nosotros usamos 1-norma (distancia de Manhattan) para calcular la distancia, es decir:
dónde 𝑋 ̅̅̅1 es el límite superior del espacio de búsqueda en la enésima dimensión, y ̅̅̅
𝑋1
es el límite inferior de la dimensión correspondiente. r es un número aleatorio de
punto flotante generado en (0, 1) .La fase de iteración se repite hasta que coincidan los
criterios de detención. Los criterios de detención se pueden definir como la iteración
máxima del número alcanzado, el tiempo máximo de CPU utilizado, la tasa de error
alcanzado, el número máximo de iteraciones sin mejora en el mejor valor de aptitud, o
cualquier otro criterio apropiado. Después de la fase de iteración, el algoritmo genera
la mejor solución con el mejor gimnasio encontrado. Las tres fases anteriores
constituyen el completo algoritmo de SSA y su pseudo-código se pueden encontrar en
el algoritmo 1
Algoritmo 1. Algoritmo de araña social