智能優(yōu)化算法：2020被囊群算法-附代碼
@[toc]
摘要：被囊群優(yōu)化(Tunicate Swarm Algorithm,TSA)是Satnam Kaur 等[1]提出的一種新的優(yōu)化算法，它的靈感來自以在深海中成功生存被膜的成群行為弦讽，其優(yōu)點在于操作簡單倒得，調(diào)整的參數(shù)少以及跳出局部最優(yōu)的能力強(qiáng)浙巫。
1.算法原理
被膜動物是明亮的生物發(fā)光體吃引，發(fā)出淺藍(lán)色-綠色的光灸芳，可以在數(shù)米之外看到痹仙。被膜動物呈圓柱形期升，一端開口惊奇，另一端閉合。每個被膜動物的大小都有幾毫米播赁。在每個被膜組織中都有一個共同的膠狀被膜颂郎，它有助于連接所有個體。然而容为，每一個被膜動物各自從周圍的海水中取水乓序，并通過心房虹吸管產(chǎn)生噴氣推進(jìn)。被膜動物是唯一一種能以這種流體噴射式推進(jìn)力在海洋中移動的動物坎背。這種推進(jìn)力強(qiáng)大替劈，可以使被膜動物在海洋中垂直遷移。被膜動物通常出現(xiàn)在500-800米深處得滤，并在夜間向上遷移到地表水的上層陨献。被膜動物的大小從幾厘米到超過4米不等。被囊動物的噴氣推進(jìn)和群體行為（見圖1）懂更。
<center> 圖1.被囊動物的群體行為
Tunicate具有在海洋中找到食物來源的能力眨业。然而，在給定的搜索空間中沮协，我們不知道食物的來源坛猪。被膜動物是利用其自身的兩種行為來尋找食物來源，即尋找最佳皂股。行為包括噴氣推進(jìn)和群體智能。為了對噴氣推進(jìn)行為進(jìn)行數(shù)學(xué)建模命黔，被膜應(yīng)滿足三個條件呜呐，即避免搜索種群之間的沖突就斤、向最佳搜索個體的位置移動以及保持與最佳搜索個體的距離。然后蘑辑，群體會根據(jù)個體的最優(yōu)解更新位置洋机。
1.1避免搜索沖突
<>x<center>圖2 避免搜索沖突
為了避免個體之間的搜索沖突，表示計算新的個體位置洋魂，如圖2所示：
其中代表重力作用绷旗，
代表深海中的水流平流。
是[0,1]之間的隨機(jī)數(shù)副砍。
代表個體間的互相作用力衔肢，其計算如下式：
其中代表初始的相互作用速度范圍，一般設(shè)定為[1,4]豁翎。
1.2 向最優(yōu)鄰居移動
<center> 圖3 向最優(yōu)鄰居移動
避免搜索沖突后角骤，個體向最優(yōu)鄰居移動如圖3所示：
其中，代表食物與搜索個體之間的距離心剥。
代表當(dāng)前迭代次數(shù)邦尊。
代表食物的位置，
代表個體的位置优烧，
代表[0,1]之間的隨機(jī)數(shù)蝉揍。
1.3 向最優(yōu)位置收斂
[圖片上傳失敗...(image-19079b-1625722779840)]
<center>圖4 向最有位置收斂
每個個體向最優(yōu)位置靠近，如圖4所示：
其中代表更新后的位置畦娄。
1.4 種群行為
<center> 圖5 種群位置更新
為了從數(shù)學(xué)上模擬被囊動物的群體行為又沾，保存前兩個最優(yōu)解，并根據(jù)最佳搜索個體的位置更新其他搜索個體的位置纷责。被膜動物的群體行為如下所示：
圖5捍掺，顯示了個體怎么根據(jù)更新自身的位置。
1.5 算法流程
（1）初始化種群
（2）初始化種群參數(shù)再膳，邊界條件挺勿；
（3）計算每個個體的適應(yīng)度值；
（4）搜索最佳個體的位置喂柒；
（5）根據(jù)群體行為更新每個個體位置不瓶；
（6）調(diào)整超出給定搜索空間邊界的個體位置。
（7）計算更新后的群體每個個體的適應(yīng)度值灾杰，如果適應(yīng)度由于之前蚊丐，則更新；
（8）如果滿足停止條件艳吠，則停止算法麦备，否則重復(fù)步驟(5) - (8)。
（9）返回最優(yōu)值
迭代過程如圖6所示
<center>圖6 迭代過程
2. 算法結(jié)果：
參考文獻(xiàn)：
[1]Satnam Kaur,Lalit K. Awasthi,A.L. Sangal,Gaurav Dhiman. Tunicate Swarm Algorithm: A new bio-inspired based metaheuristic paradigm for global optimization[J]. Engineering Applications of Artificial Intelligence,2020,90.
Matlab 代碼地址：
https://mianbaoduo.com/o/bread/Z5aalJ8=
