智能优化算法:热交换优化算法


文章目录

  • 智能优化算法:热交换优化算法
  • 1.算法原理
  • 2.实验结果
  • 3.参考文献
  • 4.Matlab代码
  • 5.Python代码



摘要:热交换优化 (Thermal Exchange Optimization,TEO)算法是于2017年提出的一种基于牛顿冷却定律的新型优化算法,具有收敛快寻优强的特点。

1.算法原理

热交换优化 (Thermal Exchange Optimization,TEO)算法是一种基于牛顿冷却定律的新型优化算法,在该算法中,物体的热损失率与物体和其周围环境的温度差成正比 。在 TEO 算法中,一些 Agent 被定义为冷却对象,其余 Agent 代表环境。更新对象之间的温度公式定义为:

智能优化算法:热交换优化算法 - 附代码_机器学习

智能优化算法:热交换优化算法 - 附代码_深度学习_02

式中:智能优化算法:热交换优化算法 - 附代码_深度学习_03为改变后的物体温度;智能优化算法:热交换优化算法 - 附代码_深度学习_04 为控制变量;智能优化算法:热交换优化算法 - 附代码_算法_05 为初始的物体温度;智能优化算法:热交换优化算法 - 附代码_优化算法_06为当前迭代数;智能优化算法:热交换优化算法 - 附代码_机器学习_07为最大迭代数。

根据前面的步骤和式 (1),然后更新每个对象的新温度,表达式为:
智能优化算法:热交换优化算法 - 附代码_优化算法_08

智能优化算法:热交换优化算法 - 附代码_python_09

当一个对象的性质已降低 β,温度会进行交换。每个对象的 β 值根据式 (4)进行评估。

为防止物体温度落入局部最优,设置参数 智能优化算法:热交换优化算法 - 附代码_算法_10,它指定是否必须更改每个冷却对象的组件。如果智能优化算法:热交换优化算法 - 附代码_优化算法_11,则随机选取第 智能优化算法:热交换优化算法 - 附代码_算法_12 个物体的一个维度,其值再生的表达式为:
智能优化算法:热交换优化算法 - 附代码_算法_13
式中:智能优化算法:热交换优化算法 - 附代码_python_14 为第 智能优化算法:热交换优化算法 - 附代码_算法_12智能优化算法:热交换优化算法 - 附代码_机器学习_16 的第 智能优化算法:热交换优化算法 - 附代码_机器学习_17 个变量。智能优化算法:热交换优化算法 - 附代码_优化算法_18
智能优化算法:热交换优化算法 - 附代码_python_19为第 智能优化算法:热交换优化算法 - 附代码_机器学习_17

算法步骤:

Step1.设置参数,初始化种群

Step2.计算适应度值

Step3.根据式(1)更新温度(即位置)

Step4.根据式(3)更新温度

Step5.根据选择概率Pro利用式(5)进行变异

Step6.记录并更新全局最优位置。

Step7.判断是否满足停止条件,如果满足,则输出最优位置,否则重复步骤Step2-Step7.

2.实验结果

智能优化算法:热交换优化算法 - 附代码_优化算法_21

3.参考文献

[1]杨明昊,李云龙.基于热交换优化算法的多阈值图像分割方法[J].科技创新与生产力,2019(05):57-59.

4.Matlab代码

热交换优化算法

5.Python代码

上述代码见个人资料介绍