基于马尔可夫框架与动力系统理论的蝙蝠算法全局收敛性分析
最优化与控制
2019-03-29 v1 人工智能
机器学习
摘要
蝙蝠算法（BA）已被证明在求解更广泛的优化问题是有效的。然而，关于其收敛性和稳定性的理论分析并不多。为了证明蝙蝠算法的收敛性，我们为该算法构建了马尔可夫模型，并证明了蝙蝠种群的状态序列构成一个有限齐次马尔可夫链，满足全局收敛准则。然后，我们证明蝙蝠算法具有全局收敛性。此外，为了增强算法的收敛性能，我们利用动力系统理论在动态矩阵方面设计了一个更新模型，并由此获得了算法稳定性的参数范围。随后，我们使用一些基准函数证明了 BA 确实能够高效地为这些函数实现全局最优。
引用
@article{arxiv.1903.11971,
title = {The Global Convergence Analysis of the Bat Algorithm Using a Markovian Framework and Dynamical System Theory},
author = {Si Chen and Guo-Hua Peng and Xing-Shi He and Xin-She Yang},
journal= {arXiv preprint arXiv:1903.11971},
year = {2019}
}
备注
17 pages, 3 figures