智能優(yōu)化算法：緋鯢鰹優(yōu)化算法

智能優(yōu)化算法：緋鯢鰹優(yōu)化算法-附代碼

@[toc]
摘要：緋鯢鰹優(yōu)化算法[1]（Yellow Saddle Goatfish Algorithm 繁扎，YSGA）是由 Erik Cuevas等于2018年提出的一種新型的仿生智能優(yōu)化算法．該算法模擬緋鯢鰹群協(xié)作狩獵行為以實現(xiàn)對搜索空間的探索和開采，同時通過選定追逐者與攔截者的代理搜索學(xué)習機制以改善種群的個體多樣性和算法的迭代尋優(yōu)能力；鑒于該算法待調(diào)節(jié)參數(shù)少、迭代尋優(yōu)效率高且易于實現(xiàn)等優(yōu)點，將具有較好的可拓展改進空間和應(yīng)用前景。

1.算法原理

YSGA 算法是鎖定狩獵區(qū)域后，通過 K-means方法將緋鯢鰹種群劃分為 k 個相互獨立的簇以實現(xiàn)空間鄰域內(nèi)的并行搜索弟头，并使緋鯢鰹在探索空間內(nèi)扮演兩種搜索代理角色，即追擊魚和攔截魚以執(zhí)行不同的搜索路徑操作涉茧。在狩獵過程中赴恨，因魚群隨機游走可發(fā)生角色互換機制，若狩獵區(qū)域被過度開采伴栓，緋鯢鰹魚群將執(zhí)行區(qū)域更新策略以尋找新的捕食區(qū)域繼續(xù)狩獵伦连。根據(jù)緋鯢鰹群體協(xié)作狩獵行為的特點，YSGA 算法通過初始化钳垮、追擊魚惑淳、攔截魚、角色互換與更改區(qū)域 5 種不同行為模式的數(shù)學(xué)化描述以實現(xiàn)問題的優(yōu)化求解饺窿。

1.1初始化階段

種群 $P=\{p_1,p_2,...,p_n\}$ 在 $n$ 維搜索空間 $[b^{high},b^{low}]$ 內(nèi)隨機生成且均勻分布歧焦，并按式(1)進行初始化。
$p_i^j=rand.(b_j^{high}-b_j^{low})+b_j^{low},i=1,2,...,m;j=1,2,...,n\tag{1}$
其中肚医， $m$ 為種群規(guī)模的大小绢馍， $p_{i}$ 為決策變量向量 $p_i={p_i^1,p_i^2,...,p_i^n}$ , $rand$ 是[0,1]中的隨機數(shù)。

YSGA 模型運用 K-means 算法進行聚類分析肠套，將種群 $p$ 劃分為 $k$ 個相互獨立的簇 $\{c_1,c_2,...,c_k\}$ 痕貌，通過計算 $k$ 個簇中的每個決策變量與該簇中心的歐氏距離之和來定義該算法的適應(yīng)度值，以表示捕獲獵物的成功率糠排，具體記為:
$E(C)=\sum_{i=1}^{k}e(c_l)\tag{2}$

$e(c_l)=\sum_{p_g\epsilon c_l} ||p_g - u_l||\tag{3}$

其中 $e(c_l)$ 表示每個簇 $c_l$ 的均值 $u_l$ 與簇中每個決策變量之間的歐氏距離, $g=1,2,...,h;l=1,2,...,k$ 。

1.2追擊魚路徑

每個簇中適應(yīng)度值較高的緋鯢鰹被暫定為該區(qū)域的追擊魚以引領(lǐng)捕獵超升，在搜索區(qū)域內(nèi)利用列維飛行模型產(chǎn)生隨機移動以尋找獵物的藏身之處入宦，其位置更新表達式為
$\Phi_l^{t+1} = \Phi_l^{t}+S \tag{4}$

$S=\alpha⊕Levy(\beta)\sim\alpha(\frac{u}{|v|^{1/\beta}})(\Phi_l^{t}-\Phi_{best}^{t})\tag{5}$

其中哺徊， $\Phi_l^{t}$ 表示追擊魚當前的位置， $S$ 為列維飛行模型通過列維分布生成的隨機步距乾闰；參數(shù) $\alpha$ 為步長控制因子且 $\alpha=1$ 落追，參數(shù) $\beta$ 稱為 Lévy 指數(shù)且 $0<\beta\leq2$ ，參數(shù) $u$ 和 $v$ 服從正態(tài)分布涯肩； $\Phi_{best}^{t}$ 是當前所有集群中最佳追擊魚轿钠，其位置更新表達式為:
$\Phi_l^{t+1} = \Phi_l^{t}+S' \tag{6}$

$S'=\alpha(\frac{u}{|v|^{1/\beta}})\tag{7}$

其中， $S'$ 為新定義的隨機步距病苗。

1.3攔截魚路徑

每個簇中確定追擊魚后疗垛，剩余的緋鯢鰹就成為攔截魚對獵物實行包圍策略以阻止其逃跑，并沿著螺旋路徑圍繞在此時試圖捕食獵物的追擊魚周圍硫朦，其位置更新表達式為 :
$\varphi_g^{t+1}=D_g.e^{b\rho}.cos2\pi\rho+\Phi_l\tag{8}$
其中贷腕， $D_g$ 是干擾距離，即攔截魚 $\varphi_g^{t}$ 和追擊魚 $\Phi_l$ 在簇 $c_l$ 中當前位置的距離咬展， $\rho$ 是[0,1]中的隨機數(shù)泽裳， $b$ 是一個常數(shù)且 $b =1$ 。

1.4 角色互換

在追捕獵物過程中破婆，若簇中的攔截魚比追擊魚距離獵物更近涮总，即具有更高的適應(yīng)度值，則意味著尋找到了更優(yōu)的解決方案祷舀，在迭代 t+1 中執(zhí)行角色互換機制以更新最佳追擊魚的位置瀑梗。

1.5 更改區(qū)域

YSGA 模型所選狩獵區(qū)域一旦被完全開發(fā)，即通過獵殺鎖定的狩獵區(qū)域內(nèi)所有獵物蔑鹦，對簇中所有的緋鯢鰹將執(zhí)行區(qū)域更新策略夺克，具體數(shù)學(xué)描述如下：
$p_g^{t+1}=\frac{\Phi_{best}+p_g^{t}}{2}\tag{9}$
其中， $p_g^{t+1}$ 是緋鯢鰹的新狩獵區(qū)域嚎朽， $p_g^{t}$ 是當前簇中緋鯢鰹(追擊魚或攔截魚)成員的位置铺纽， $\Phi_{best}$ 是目前為止所有簇中適應(yīng)度值最高的最佳追擊魚，即問題的最優(yōu)解哟忍。

2.算法流程

step1.設(shè)置YSGA模型參數(shù)
step2.初始化緋鯢鰹種群．
step3.計算初始緋鯢鰹群每條魚的適應(yīng)度值．將每條緋鯢鰹的適應(yīng)度值并比較大小狡门，確定最大者為全局最優(yōu)的緋鯢鰹追逐者，并保存當前最優(yōu)值所對應(yīng)的參數(shù)．再將種群分為ｋ個集群锅很，計算每個集群中緋鯢鰹的適應(yīng)度值其馏，確定每個集群的追逐者和攔截者．
step4.對兩種不同的搜索個體進行路徑操作．對追逐者使用Ｌéｖｙ飛行機制進行路徑操作，將α的遞變函數(shù)作為Ｌéｖｙ飛行的步長控制因子爆安，對最優(yōu)追逐者的位置進行更新叛复；對攔截者執(zhí)行對數(shù)螺旋路徑，更新攔截者的當前位置．
step5.最優(yōu)追逐者的更新．魚群中追逐者和攔截者每進行一次路徑操作，便計算一次當前集群的適應(yīng)度值：若有一條緋鯢鰹攔截者的適應(yīng)度值大于已保存的最優(yōu)追逐者褐奥，則用當前的攔截者替換最優(yōu)追逐者咖耘，使其成為新的最優(yōu)個體，并保存該最優(yōu)追逐者所對應(yīng)的參數(shù)撬码，否則仍保存原追逐者位置和最優(yōu)值所對應(yīng)的參數(shù)．
step6.搜索空間更新．根據(jù)step5所計算的追逐者的適應(yīng)度值儿倒，若其適應(yīng)度值沒有提高，則增加
該區(qū)域的搜索次數(shù)呜笑，直至達到過度開采參數(shù)夫否；當超過過度開采參數(shù)時，則變換搜索區(qū)域．
step7.判斷YSGA算法是否滿足終止條件叫胁，即判斷當前迭代次數(shù)t是否達到最大迭代次數(shù)：若達到最大凰慈，則輸出最優(yōu)的追逐者和最優(yōu)值所對應(yīng)的參數(shù)，反之迭代次數(shù)t加１曹抬，并跳轉(zhuǎn)執(zhí)行step3．

3.算法結(jié)果

算法結(jié)果

4.參考文獻

[1]Daniel Zaldívar,Bernardo Morales,Alma Rodríguez,Arturo Valdivia-G,Erik Cuevas,Marco Pérez-Cisneros. A novel bio-inspired optimization model based on Yellow Saddle Goatfish behavior[J]. BioSystems,2018,174.

[2]高雷阜,榮雪嬌.融合遞減策略與Fuch混沌機制的改進YSGA算法[J/OL].計算機科學(xué)與探索:1-16[2020-08-05].http://kns.cnki.net/kcms/detail/11.5602.TP.20200720.1328.008.html.

[3]高雷阜,榮雪嬌.混合動態(tài)步長遞變與局部混沌搜索的YSGA改進及其應(yīng)用[J].遼寧師范大學(xué)學(xué)報(自然科學(xué)版),2019,42(01):16-24.

5.MATLAB代碼

https://mianbaoduo.com/o/bread/Z5mUlJY=

最后編輯于：2021.07.16 08:47:51

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者

人面猴
序言：七十年代末溉瓶，一起剝皮案震驚了整個濱河市，隨后出現(xiàn)的幾起案子谤民，更是在濱河造成了極大的恐慌堰酿，老刑警劉巖，帶你破解...
沈念sama閱讀 219,539評論 6贊 508
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件张足，死亡現(xiàn)場離奇詭異触创，居然都是意外死亡，警方通過查閱死者的電腦和手機为牍，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 93,594評論 3贊 396
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進店門哼绑，熙熙樓的掌柜王于貴愁眉苦臉地迎上來，“玉大人碉咆，你說我怎么就攤上這事抖韩。” “怎么了疫铜？”我有些...
開封第一講書人閱讀 165,871評論 0贊 356
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵茂浮，是天一觀的道長。經(jīng)常有香客問我壳咕，道長席揽，這世上最難降的妖魔是什么？我笑而不...
開封第一講書人閱讀 58,963評論 1贊 295
?港島之戀（遺憾婚禮）
正文為了忘掉前任谓厘，我火速辦了婚禮幌羞，結(jié)果婚禮上，老公的妹妹穿的比我還像新娘竟稳。我一直安慰自己属桦，他們只是感情好熊痴，可當我...
茶點故事閱讀 67,984評論 6贊 393
惡毒庶女頂嫁案：這布局不是一般人想出來的
文/花漫我一把揭開白布。她就那樣靜靜地躺著地啰，像睡著了一般愁拭。火紅的嫁衣襯著肌膚如雪。梳的紋絲不亂的頭發(fā)上亏吝，一...
開封第一講書人閱讀 51,763評論 1贊 307
城市分裂傳說
那天，我揣著相機與錄音盏混，去河邊找鬼蔚鸥。笑死，一個胖子當著我的面吹牛许赃，可吹牛的內(nèi)容都是我干的止喷。我是一名探鬼主播，決...
沈念sama閱讀 40,468評論 3贊 420
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開眼混聊，長吁一口氣：“原來是場噩夢啊……” “哼弹谁！你這毒婦竟也來了？” 一聲冷哼從身側(cè)響起句喜，我...
開封第一講書人閱讀 39,357評論 0贊 276
萬榮殺人案實錄
序言：老撾萬榮一對情侶失蹤预愤，失蹤者是張志新（化名）和其女友劉穎，沒想到半個月后咳胃，有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體植康，經(jīng)...
沈念sama閱讀 45,850評論 1贊 317
?護林員之死
正文獨居荒郊野嶺守林人離奇死亡，尸身上長有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點故事閱讀 38,002評論 3贊 338
?白月光啟示錄
正文我和宋清朗相戀三年展懈，在試婚紗的時候發(fā)現(xiàn)自己被綠了销睁。大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
茶點故事閱讀 40,144評論 1贊 351
活死人
序言：一個原本活蹦亂跳的男人離奇死亡存崖，死狀恐怖冻记，靈堂內(nèi)的尸體忽然破棺而出，到底是詐尸還是另有隱情来惧，我是刑警寧澤冗栗，帶...
沈念sama閱讀 35,823評論 5贊 346
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布，位于F島的核電站违寞，受9級特大地震影響贞瞒，放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜趁曼，卻給世界環(huán)境...
茶點故事閱讀 41,483評論 3贊 331
男人毒藥：我在死后第九天來索命
文/蒙蒙一军浆、第九天我趴在偏房一處隱蔽的房頂上張望。院中可真熱鬧挡闰，春花似錦乒融、人聲如沸掰盘。這莊子的主人今日做“春日...
開封第一講書人閱讀 32,026評論 0贊 22
一樁弒父案赞季，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽愧捕。三九已至，卻和暖如春申钩，著一層夾襖步出監(jiān)牢的瞬間次绘，已是汗流浹背。一陣腳步聲響...
開封第一講書人閱讀 33,150評論 1贊 272
情欲美人皮
我被黑心中介騙來泰國打工撒遣，沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留邮偎，地道東北人。一個月前我還...
沈念sama閱讀 48,415評論 3贊 373
代替公主和親
正文我出身青樓义黎，卻偏偏與公主長得像禾进，于是被迫代替她去往敵國和親。傳聞我的和親對象是個殘疾皇子廉涕，可洞房花燭夜當晚...
茶點故事閱讀 45,092評論 2贊 355