返回顶部
首页 > 资讯 > 后端开发 > Python >Python如何实现鸡群算法
  • 829
分享到

Python如何实现鸡群算法

2023-07-04 15:07:50 829人浏览 八月长安

Python 官方文档:入门教程 => 点击学习

摘要

这篇“python如何实现鸡群算法”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“Python如何实现鸡群算法”文章吧。算法简

这篇“python如何实现鸡群算法”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“Python如何实现鸡群算法”文章吧。

算法简介

鸡群算法,缩写为CSO(Chicken Swarm Optimization),尽管具备所谓仿生学的背景,但实质上是粒子群算法的一个变体。

简单来说,粒子群就是一群粒子,每个粒子都有自己的位置和速度,而且每个粒子都要受到最佳粒子的吸引,除了这两条规则之外,粒子之间完全平等,彼此之间除了位置和速度之外,完全相等。

当然,粒子群算法本身也是有仿生学背景的,据说灵感来自于鸟群觅食,这个当然不重要,无非是一群平等的粒子变成了一群平等的鸟罢了。

而鸡群算法,则是为这些粒子,或者这些鸟,添加了不同的身份特征,使得彼此之间不再等同。

鸡群中至少有三个阶层,分别是公鸡、母鸡和小鸡,每只鸡都有其位置和速度。但区别之处在于,

  • 公鸡最神气,原则上可以随便踱步,只是有的时候注意到其他公鸡的时候,会有抢食的想法,相当于随机抽选一只其他公鸡,对其位置产生影响。

  • 母鸡最憋屈,一方面要接受公鸡的领导,另一方面还要和其他母鸡抢食

  • 小鸡最无忧无虑,跟着母鸡走就是了。

随着位置关系的变化,母鸡和小鸡可能会逐渐遗忘最初的首领,也就是说种群关系可能会发生变化。

Python实现鸡和鸡群

首先,要实现一个鸡类,一只鸡,有两种基本属性,即位置和类别。

import numpy as npfrom random import gauss, randomrandint = np.random.randintuniRand = np.random.unifORMclass Chicken:    def __init__(self, N, xRange, order=0, kind=0):        # 生成(N)维参数        self.x = uniRand(*xRange, (N,))        self.best = np.inf        self.xBest = np.zeros((N,))        self.kind = kind            # 鸡的类别        self.order = order          # 鸡的编号        # 设置自己的首领公鸡    def setCock(self, i):        self.cock = i    # 设置自己的监护母鸡    def setHen(self, i):        self.hen = i

其中kind分为三类,分别是公鸡、母鸡和小鸡。其中,每只母鸡都有自己的首领公鸡,每只小鸡都有自己的监护母鸡。

order为这只鸡在鸡群中的编号,主要在鸡群中得以体现。

鸡群和粒子群有一个很大的区别,后者说到底只有一个群,而鸡群中,每个公鸡都有自己的母鸡和小鸡,相当于一个小群体。但鸡和鸡之间的关系,并不取决于鸡自己,故而需要在鸡群中实现

randint = np.random.randintclass Swarm:    # cNum 鸡数,是三个元素的列表,分别是公鸡、母鸡和小鸡数    # N参数维度    def __init__(self, cNum, N, xRange):        self.initCs(cNum, N, xRange)        self.bestCS = deepcopy(self.cs)     #最佳鸡群        self.best = np.inf  #全局最优值        self.xBest = np.zeros((N,)) #全局最优参数        self.N = N    def initCs(self, cNum, N, xRange, vRange):        self.cs = []        self.cNum = cNum        self.cocks = np.arange(cNum[0])     # 公鸡编号        self.hens = np.arange(cNum[0], cNum[0]+cNum[1]) #母鸡编号        self.chicks = np.arange(cNum[0]+cNum[1], np.sum(cNum))  #小鸡编号        kinds = np.repeat([0,1,2], cNum)        for i in range(sum(cNum)):            self.cs.append(Chicken(N,xRange, vRange, i, kinds[i]))            if kinds[i] > 0:                cock = randint(0, cNum[0])                self.cs[i].setCock(cock)            if kinds[i] > 1:                hen = randint(cNum[0], cNum[0]+cNum[1])                self.cs[i].setHen(hen)

其中,initCs是初始化鸡群的函数,其中母鸡、小鸡的首领公鸡,小鸡的监护母鸡,都是随机生成的。

鸡群更新

接下来就是算法的核心环节,不同的鸡要遵循不同的更新规则,其中,公鸡最潇洒,其下一步位置只取决于自己,以及另一只随便挑选的公鸡。

公鸡

记当前这只公鸡的编号是i,随机挑选的公鸡编号是j , j≠i,则第i只公鸡位置的更新方法为

xi(t+1)=xi(t)⋅(1+r)

其中,r是通过正态分布生成的随机数,可表示为1∼N(0,σ2),其中σ2

Python如何实现鸡群算法

其中f一般叫做适应因子,相当于将某只鸡塞到待搜解的函数中得到的值。例如要搜索y=2的最小值,如果当前这只鸡的位置1.5,那么f=1.52=2.25。ε是一个防止除零错误的小量。

但需要注意,上文中所有的x,表示的并非一个标量,而是一个数组

其Python实现为

# 写在Swarm类中def cockStep(self):    for i in self.cocks:        # 第j只公鸡        j = np.random.randint(self.cNum[0])        if j==i:            j = (j+1) % self.cNum[0]        # 第i只公鸡        ci = self.cs[i]        # 第j只公鸡        cj = self.cs[self.cocks[j]]        sigma = 1 if cj.best > ci.best else np.exp(            (cj.best-ci.best)/(np.abs(ci.best)+1e-15))        ci.x *= 1 + gauss(0, sigma)

母鸡

设当前母鸡编号为i,这只母鸡既要追随首领公鸡,又要和其他母鸡抢食。

xi(t+1)=xi(t)+k1r1(xc−xi)+k2r2(xj−xi)

其中,xc为其首领公鸡,xj为另一只母鸡或者公鸡。k1,k2为系数,其更新逻辑与公鸡的k是一样的,当fi较大时,表示为

Python如何实现鸡群算法

代码实现为

def henStep(self):    nGuarder = self.cNum[0] + self.cNum[1] - 2    for i in self.hens:        guarders = list(self.cocks) + list(self.hens)        c = self.cs[i].cock     #首领公鸡        guarders.remove(i)        guarders.remove(c)        # 随机生成另一只监护鸡        j = guarders[np.random.randint(nGuarder)]        ci = self.cs[i]        cj = self.cs[j]        cc = self.cs[c]        k1, k2 = random(), random()        if cc.best > ci.best:            k1 *= np.exp((ci.best-cc.best)/(np.abs(ci.best)+1e-15))        if cj.best < ci.best:            k2 *=  np.exp(cj.best-ci.best)        ci.x += k1*(cc.x-ci.x)+k2*(cj.x-ci.x)

小鸡

最后是小鸡的更新逻辑,小鸡在母鸡的周围找食物,其更新逻辑为

xi(t+1)=xi(t)+r(xh(t)&minus;xi(t))

其中,xh为其监护母鸡,r为随机数,算法实现为

def chickStep(self):    for i in self.chicks:        ci = self.cs[i]        ci.x += 2*random()*(self.cs[ci.hen].x-ci.x)

整个鸡群

正所谓,算法源于生活而高于生活,自然界里讲求辈分,但在鸡群算法里,讲究的确是实力。如果小鸡运气爆棚,得到了比公鸡还厉害的优化结果,那么这只小鸡就会进化成公鸡。

也就是说,每隔一段时间,鸡群里的鸡会被重新安排身份,优化效果最好的就是头领公鸡,差一点的是监护母鸡,最差的就只能是小鸡了。

def update(self):    cn = np.sum(self.cNum)    c1, c2 = self.cNum[0], self.cNum[0]+self.cNum[1]    fitness = [self.cs[i].best for i in range(cn)]    index = np.argsort(fitness)    self.cocks = index[np.arange(c1)]    self.hens = index[np.arange(c1,c2)]    self.chicks = index[np.arange(c2,cn)]    for i in self.cocks:        self.cs[i].kind = 0    for i in self.hens:        self.cs[i].kind = 1    for i in self.chicks:        self.cs[i].kind = 2    for i in range(cn):        if self.cs[i].kind > 0:            cock = self.cocks[randint(0, c1)]            self.cs[i].setCock(cock)        if self.cs[i].kind > 1:            hen = self.hens[randint(c1,c2)]            self.cs[i].setHen(hen)

优化迭代

至此,集群算法的框架算是搭建成功了,接下来就实现最关键的部分,优化。

其基本逻辑是,输入一个待优化func,通过将每只鸡的位置x带入到这个函数中,得到一个判定值,最后通过这个判定值,来不断更新鸡群。

除了这个函数之外,还需要输入一些其他参数,比如整个鸡群算法的迭代次数,以及鸡群更新的频次等等

# func为待优化函数# N为迭代次数# T为鸡群更新周期def optimize(self, func, N, T, msgT):    for n in range(N):        # 计算优化参数        for c in self.cs:            c.best = func(c.x)        # 分别更新公鸡、母鸡和小鸡        self.cockStep()        self.henStep()        self.chickStep()        if (n+1)%T == 0:            self.update()   #每T次更新一次种群            self.printBest(n)    self.printBest(n)

其中,printBest可以将当前最佳结果打印出来,其形式为

def printBest(self,n):    fitness = [c.best for c in self.cs]    best = np.min(fitness)    ind = np.where(fitness==best)[0]    msg = f"已经迭代{n}次,最佳优化结果为{np.min(fitness)},参数为:\n"    msg += ", ".join([f"{x:.6f}" for x in self.cs[ind].x])    print(msg)

测试

算法完成之后,当然要找个函数测试一下,测试函数为

Python如何实现鸡群算法

def test(xs):    _sum = 0.0    for i in range(len(xs)):        _sum = _sum + np.cos((xs[i]*i)/5)*(i+1)    return _sumif __name__ == "__main__":    cNum = [15,20,100]    s = Swarm(cNum, 5, (-5,5))    s.optimize(test, 20, 5)

测试结果如下

已经迭代4次,最佳优化结果为-5.793762423022024,参数为:
-6.599526, 3.117137, 5.959538, 7.225785, 5.204990
已经迭代9次,最佳优化结果为-10.61594651972434,参数为:
-7.003724, -5.589730, 0.981409, 12.920325, -19.006112
已经迭代14次,最佳优化结果为-9.143596747975293,参数为:
5.388234, -3.714421, -5.254391, -5.216215, -6.079223
已经迭代19次,最佳优化结果为-11.097888385616995,参数为:
-9.156244, -5.914600, -5.960154, 4.550833, 4.127889
已经迭代19次,最佳优化结果为-11.097888385616995,参数为:
-9.156244, -5.914600, -5.960154, 4.550833, 4.127889

以上就是关于“Python如何实现鸡群算法”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注编程网Python频道。

--结束END--

本文标题: Python如何实现鸡群算法

本文链接: https://www.lsjlt.com/news/346221.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

猜你喜欢
  • Python如何实现鸡群算法
    这篇“Python如何实现鸡群算法”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“Python如何实现鸡群算法”文章吧。算法简...
    99+
    2023-07-04
  • Python如何实现蚁群算法
    这篇文章将为大家详细讲解有关Python如何实现蚁群算法,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。1、引言在自然界中各种生物群体显现出来的智能近几十年来得到了学者们的广泛关注,学者们通过对简单生物体的...
    99+
    2023-06-29
  • Python实现蚁群算法
    目录1、引言2蚁群算法理论3算法理论图解 4人工蚁群优化过程 5 基本蚁群算法及其流程 5.1  蚁群算法公式 ...
    99+
    2024-04-02
  • python编程:实现计算鸡兔同笼问题
    目录 一、编程题目 二、输入输出样例 三、程序实现 四、测试 一、编程题目         大约在1500年前,《孙子算经》中就记载了这个有趣的问题:“今有雉兔同笼,上有三十五头,下有九十四足,问雉兔各几何?”意思是,有若干只鸡和兔子关在...
    99+
    2023-09-04
    python 鸡兔同笼 编程
  • Python编程实现蚁群算法详解
    简介 蚁群算法(ant colony optimization, ACO),又称蚂蚁算法,是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出,其灵感来源于...
    99+
    2022-06-04
    算法 详解 Python
  • python怎么实现人工鱼群算法
    要实现人工鱼群算法(Artificial Fish Swarm Algorithm, AFSA)可以按照以下的步骤进行:1. 定义鱼...
    99+
    2023-09-26
    python
  • Python如何实现KPM算法
    这篇文章主要介绍Python如何实现KPM算法,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!知识点说明:先说前缀,和后缀吧比如有一个串:abab则在下标为3处的(前缀和后缀都要比下标出的长度小1,此处下标为3出的长度...
    99+
    2023-06-21
  • python如何实现Simhash算法
    这篇文章主要介绍python如何实现Simhash算法,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!1、simhash步骤simhash包含分词、hash、加权、合并、降维五大步骤simhash代码如下:import...
    99+
    2023-06-29
  • Python查找算法如何实现
    本文小编为大家详细介绍“Python查找算法如何实现”,内容详细,步骤清晰,细节处理妥当,希望这篇“Python查找算法如何实现”文章能帮助大家解决疑惑,下面跟着小编的思路慢慢深入,一起来学习新知识吧。查找算法是用来检索序列数据(群体)中是...
    99+
    2023-06-30
  • Python编程实现粒子群算法(PSO)详解
    1 原理 粒子群算法是群智能一种,是基于对鸟群觅食行为的研究和模拟而来的。假设在鸟群觅食范围,只在一个地方有食物,所有鸟儿看不到食物(不知道食物的具体位置),但是能闻到食物的味道(能知道食物距离自己位置)。...
    99+
    2022-06-04
    粒子 算法 详解
  • 如何利用python实现Simhash算法
    目录1. 为什么需要Simhash2. 文章关键词特征提取算法TD-IDF3. Simhash原理4. Simhash的不足5. Simhash算法实现1. 为什么需要Simhash...
    99+
    2024-04-02
  • 基于Python如何实现Hash算法
    本篇内容主要讲解“基于Python如何实现Hash算法”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“基于Python如何实现Hash算法”吧!1 前言Simhash的算法简单的来说就是,从海量文...
    99+
    2023-06-29
  • Python如何实现归一化算法
    今天小编给大家分享一下Python如何实现归一化算法的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。1.前言   &...
    99+
    2023-06-29
  • Python代码实现粒子群算法图文详解
    目录1.引言2.算法的具体描述:2.1原理2.2标准粒子群算法流程3.代码案例3.1问题3.2绘图 3.3计算适应度3.4更新速度3.5更新粒子位置3.6主要算法过程结果总...
    99+
    2024-04-02
  • Python编程算法:如何实现并行计算?
    在计算机科学领域中,计算机的速度一直是一个瓶颈。为了克服这个瓶颈,现代计算机通常采用并行计算方法。并行计算是指通过同时执行多个计算任务来提高计算机的效率。 Python作为一种高级编程语言,也可以实现并行计算。在本篇文章中,我们将探讨如何...
    99+
    2023-06-27
    编程算法 开发技术 git
  • Python实现经典题:百元买百鸡
    百元买百鸡问题。“百元买百鸡”是我国古代数学家张丘建在《算经》一书中提出的数学问题:鸡翁一值钱五,鸡母一值钱三,鸡雏三值钱一。百钱买百鸡,问鸡翁、鸡母、鸡雏各几何?用现代 语言描述为:用100元钱买来100只鸡,公鸡5元钱一只,母鸡3元钱一...
    99+
    2023-10-22
    python 算法 开发语言
  • 【路径规划】全局路径规划算法——蚁群算法(含python实现)
    文章目录 参考资料1. 简介2. 基本思想3. 算法精讲4. 算法步骤5. python实现 参考资料 路径规划与轨迹跟踪系列算法蚁群算法原理及其实现蚁群算法详解(含例程)图说蚁群算法(A...
    99+
    2023-09-22
    算法 启发式算法 自动驾驶 路径规划
  • Python 蚁群算法详解
    目录蚁群算法简介TSP问题描述蚁群算法原理代码实现总结 蚁群算法简介 蚁群算法(Ant Clony Optimization, ACO)是一种群智能算法,它是由一群无智能或有轻微智能...
    99+
    2024-04-02
  • Python和Matlab如何实现蝙蝠算法
    这篇文章主要介绍“Python和Matlab如何实现蝙蝠算法”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“Python和Matlab如何实现蝙蝠算法”文章能帮助大家解决问题。1 前言蝙蝠算法是201...
    99+
    2023-06-29
  • Python如何实现聚类K-means算法
    今天小编给大家分享一下Python如何实现聚类K-means算法的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。K-means...
    99+
    2023-07-02
软考高级职称资格查询
编程网,编程工程师的家园,是目前国内优秀的开源技术社区之一,形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容,为IT开发者提供了一个发现、使用、并交流开源技术的平台。
  • 官方手机版

  • 微信公众号

  • 商务合作