Upload
joao-guilherme-farias-duda
View
54
Download
2
Embed Size (px)
Citation preview
Bacterial Foraging Optimization Algorithm
Equipe● João Farias ([email protected])● Miguel Araújo ([email protected])● Pedro Castilho ([email protected])
Sumário1. Foraging como um problema de otimização2. Escherichia Coli3. Bacterial Foraging Optimization Algorithm4. Escolha de Parâmetros do BFOA5. Improved Bacterial Foraging Optimization Algorithm
Foraging como um problema de otimização● O que é Foraging?● Como isso pode ser modelado como um problema de otimização?● Social Foraging
Escherichia Coli
Escherichia Coli○ Flagela
○ Tumble
○ Nado
Escherichia Coli○ Reprodução
○ Eliminação-Dispersão
○ Atração-Repulsão
Bacterial Foraging Optimization Algorithm● Passo Quimotático - Sem Atração
● Continua andando enquanto for favorável, por no máximo uma constante.
Bacterial Foraging Optimization Algorithm● Passo Quimotático - Fator Social
○ Profundidade de Atração○ Largura de Atração○ Profundidade de Repulsão○ Largura de Repulsão
Bacterial Foraging Optimization Algorithm● Passo Quimotático - Fator Ambiental + Fator Social
Bacterial Foraging Optimization Algorithm● Reprodução
○ Após N passos quimotáticos, as bactérias vão morrer○ As melhores se reproduzirão por bi-partição○ As piores serão removidas da população○ Obs: População fixa
Bacterial Foraging Optimization Algorithm● Eliminação-Dispersão
○ Após N passos reprodutivos,■ Cada bactéria, com uma chance fixa,
● É eliminada da população;● Outra bactéria surge aleatoriamente.
○ População fixa
Bacterial Foraging Optimization Algorithm● BFOA
○ Define-se as constantes:■ Tamanho da população (S);■ Número de passos quimotáticos (n1);■ Número de passos de reprodução (n2);■ Número de passos de eliminação-dispersão (n3);■ Possibilidade de eliminação-dispersão ( Ped );■ Tamanho do passo quimotático para cada bactéria ( C(i) );
Bacterial Foraging Optimization Algorithm● BFOA1. Colocar S bactérias randomicamente no espaço de busca;2. Loop n1 vezes
2.1. Para cada bactéria,2.1.1. Realize um tumble randômico2.1.2. Ande na mesmo direção enquanto melhorar o fitness ( ambiental + social);
3. Realize 1 passo reprodutivo4. Se não realizou n2 passos reprodutivos, vá para 25. Realize 1 passo de eliminação-dispersão6. Se não realizou n3 passos de eliminação-dispersão, vá para 2
BFOA - Escolha de Parâmetros● Tamanho da População
○ Grande:■ Complexidade computacional■ Maior chance de encontrar mínimos locais rapidamente
● Tamanho do Passo Quimotático○ Grande:
■ Pula-se vales○ Pequeno:
■ Demora de Convergência
BFOA - Escolha de Parâmetros● Níveis de atração-repulsão
○ Social versus individual foraging
● Número de passos quimotáticos○ Grande
■ Complexidade computacional■ Progresso de otimização
○ Pequeno■ Sorte e reprodução
BFOA - Escolha de Parâmetros● Número de passos de eliminação-dispersão
○ Pequeno■ Menor dependência de randomicidade
● Probabilidade de eliminação-dispersão○ Grande
■ Busca randomica exaustiva■ Ajuda a fugir de mínimos locais
Improved Bacterial Foraging Optimization Algorithm● Problema do Escape
Improved Bacterial Foraging Optimization Algorithm● Problema do Escape
○ Seleção eletista das bactérias propícias à eliminação-dispersão○ Diminuir a quantidade de bactérias propícias à eliminação-dispersão com o tempo○ Q = 1 − (2ged*L)
■ Ged -> Número da geração■ L -> Percentual inicial das bactérias que não participam da eliminação-dispersão■ Q -> Porcentagem de bactérias propícias à eliminação-dispersão
Improved Bacterial Foraging Optimization Algorithm● Problema do Tamanho do Passo Quimotático
○ Tamanho fixo não atinge boa convergência e precisão○ Tamanho do passo quimotático variado○ If generation MOD 10 == 0, {g= generation DIV 10, STEP=STEP/2g}
Improved Bacterial Foraging Optimization Algorithm● Resultados Experimentais
○ (a) Rosenbrock, (b) rotated hyper-ellipsoid
Improved Bacterial Foraging Optimization Algorithm● Resultados Experimentais
○ (c) Ackley, (d) Rastrigin
Improved Bacterial Foraging Optimization Algorithm● Resultados Experimentais
○ (e) Griewank
Referências● K. M. Passino, “Biomimicry of bacterial foraging for distributed optimization
and control,” IEEE Control Systems, vol. 22, no. 3, pp. 52-67, 2002.● L. Jun, D. Jianwu, B. Feng and W. Jiansheng, “Analysis and Improvement
on Bacterial Foraging Optimization Algorithm ”, Journal of Computing Science and Engineering, vol. 8 , no. 1, (2014), pp. 1-7.