一种新颖的智能优化算法—海鸥优化(SOA)算法

 

目录

一、SOA理论基础 

二、ACO数学模型

2.1 迁徙

2.2 攻击 

 三、SOA伪代码

 四、SOA运行结果

---

 

       海鸥优化算法(Seagull Optimization Algorithm, SOA)是在2019年由 Dhiman 提出的一种受自然界海鸥启发的新颖全局优化算法，模拟了海鸥群体的迁徙和攻击行为。

一、SOA理论基础 

       海鸥以群居式生活，利用智慧来寻找和攻击猎物。海鸥最重要特征是迁徙和攻击行为，迁徙是动物从一个地方到另一个地方根据季节更替而移动，寻找最丰富的食物来源以便获取足够能量。在迁徙过程中，它们成群结队地飞行，且每只海鸥的所在位置均不同，以避免相互碰撞。在一个群体中，海鸥可以朝着最佳位置的方向前进，改变自身所在的位置。有时海鸥会攻击候鸟，在进攻时海鸥群体做出螺旋形的运动形态，如图1所示：

图1 海鸥的迁徙和攻击行为

二、ACO数学模型

2.1 迁徙

       在迁移过程中，模拟海鸥群如何从一个位置移动到另一个位置。在这个阶段，海鸥应该满足三个条件：

图2 海鸥之间避免碰撞

图3  海鸥向最佳位置方向移动

图4  海鸥靠近最佳位置

2.2 攻击 

       海鸥在迁徙过程中可以不断改变攻击角度和速度；当攻击猎物时，它们就在空中进行螺旋形状运动，如图5所示：

图5  攻击行为模型

 

 三、SOA伪代码

海鸥种群初始化，参数A、B和最大迭代次数max_{tier};
计算适应值，取最小适应度值MINf；
设置相应参数：f_c = 2,u = 1,v = 1;
for i = 1 ：max_{tier} 
  rd 取随机值 ( 0 ， 1 );
  theta 取随机值 (0 ，2π);
  海鸥迁徙更新海鸥位置公式(1)、(2)、(3) 、(4)、(5);
  海鸥攻击候鸟，更新海鸥位置公式(6)、(7)、(8) 、(9) ；
  计算适应度值,排序minf；  
  if minf

 四、SOA运行结果

 F1:

The best optimal value of the objective funciton found by SOA is : 3.0641e-29

F6:

The best optimal value of the objective funciton found by SOA is : 3.1196

F8:

The best optimal value of the objective funciton found by SOA is : -5490.8483