Rovarok

A rovarraj optimalizációnál 50 rovart vettünk, melyek az esetek 20, 30 illetve 50 százalékában bolyonganak, mozognak a saját legjobb, illetve a raj legjobb pozíciója felé. Az alábbi ábrán három különböző lépésszámot vizsgáltunk meg.

7.23. ábra - Rovarraj optimalizáció

Rovarraj optimalizáció
Rovarraj optimalizáció

A szentjánosbogár algoritmus esetén mivel minden egyes bogár távolságát ki kell számolni a többitől, ez négyzetes számítást igényel. Emiatt érdemes a rovarok számát alacsony szinten tartani. Ez nálunk 50 volt. A Gamma értékét 0,03-nak választottuk. Annak érdekében, hogy szép eredményeket kapjuk, viszonylag magas lépésszámot kellett használni. Viszont az ábrákról leolvasható, hogy a célfüggvény értékek és a maximális klaszterméret megközelíti az elvárt értékeket.

7.24. ábra - Szentjánosbogár algoritmus

Szentjánosbogár algoritmus
Szentjánosbogár algoritmus

A méhek algoritmusában 50 keresőméhet használunk, melynek a tizede lesz az elit tagja. Ezeket 1000 mézhordó követi. 2500 illetve 5000 lépéses keresést próbáltunk ki. Lehet látni, hogy az eredeti implementáció 2500 lépéssel nem adja kívánt eredményt. Ha viszont ekkor a variánst használjuk, akkor elfogadható lesz a megoldás.

7.25. ábra - Méhek algoritmusa

Méhek algoritmusa
Méhek algoritmusa