Algoritmo de otimização espiral - Spiral optimization algorithm
Em matemática, o algoritmo de otimização espiral (SPO) é uma metaheurística inspirada em fenômenos espirais na natureza.
O primeiro algoritmo SPO foi proposto para otimização bidimensional irrestrita baseada em modelos espirais bidimensionais. Isso foi estendido para problemas n-dimensionais generalizando o modelo espiral bidimensional para um modelo espiral n-dimensional. Existem configurações eficazes para o algoritmo SPO: a configuração da direção de descida periódica e a configuração de convergência.
Metáfora
A motivação para focar nos fenômenos espirais se deu pelo insight de que as dinâmicas que geram as espirais logarítmicas compartilham o comportamento de diversificação e intensificação. O comportamento de diversificação pode funcionar para uma busca global (exploração) e o comportamento de intensificação permite uma busca intensiva em torno de uma boa solução encontrada atualmente (exploração).
Algoritmo
O algoritmo SPO é um algoritmo de busca multiponto sem gradiente de função objetivo , que usa vários modelos espirais que podem ser descritos como sistemas dinâmicos determinísticos. Como os pontos de busca seguem trajetórias espirais logarítmicas em direção ao centro comum, definido como o melhor ponto atual, melhores soluções podem ser encontradas e o centro comum pode ser atualizado.
O algoritmo SPO geral para um problema de minimização sob a iteração máxima (critério de terminação) é o seguinte:
0) Set the number of search points and the maximum iteration number . 1) Place the initial search points and determine the center , ,and then set . 2) Decide the step rate by a rule. 3) Update the search points: 4) Update the center: where . 5) Set . If is satisfied then terminate and output . Otherwise, return to Step 2).
Configuração
O desempenho da pesquisa depende da configuração da matriz de rotação composta , da taxa de passos e dos pontos iniciais . As configurações a seguir são novas e eficazes.
Configuração 1 (configuração da direção de descida periódica)
Essa configuração é uma configuração eficaz para problemas dimensionais elevados sob a iteração máxima . As condições em e juntas garantem que os modelos espirais gerem direções de descida periodicamente. A condição de obras para utilizar as direções de descida periódicas sob o término da pesquisa .
- Defina como segue: onde é a matriz identidade e é o vetor zero.
- Coloque os pontos iniciais aleatoriamente para satisfazer a seguinte condição:
onde . Observe que essa condição é quase totalmente satisfeita por uma colocação aleatória e, portanto, nenhuma verificação é realmente adequada.
- Defina na Etapa 2) da seguinte forma: onde um suficientemente pequeno , como ou .
Configuração 2 (configuração de convergência)
Essa configuração garante que o algoritmo SPO convirja para um ponto estacionário na iteração máxima . As configurações e os pontos iniciais são os mesmos da Configuração 1. A configuração de é a seguinte.
- Defina na Etapa 2) da seguinte forma: onde é uma iteração quando o centro é atualizado recentemente na Etapa 4) e como . Assim, temos que adicionar as seguintes regras sobre o Algoritmo:
- • (Etapa 1) .
- • (Etapa 4) Se então .
Trabalhos futuros
- Os algoritmos com as configurações acima são determinísticos . Assim, a incorporação de algumas operações aleatórias torna este algoritmo poderoso para otimização global . Cruz-Duarte et al. demonstrou isso incluindo distúrbios estocásticos em trajetórias de busca em espiral. No entanto, essa porta permanece aberta para novos estudos.
- Encontrar um equilíbrio apropriado entre as espirais de diversificação e intensificação, dependendo da classe de problema alvo (inclusive ), é importante para melhorar o desempenho.
Trabalhos prolongados
Muitos estudos extensos foram conduzidos no SPO devido à sua estrutura e conceito simples; esses estudos ajudaram a melhorar seu desempenho de pesquisa global e propuseram novas aplicações.