一种新型智能优化算法—平衡优化算法(EO)

 

目录

一、EO理论基础

二、EO数学模型 

2.1 种群初始化

2.2 建立平衡状态池 

2.3 指数项 

2.4 生成速率 

2.5 更新解 

三、EO流程图

四、EO运行结果 

---

 

       平衡优化器(Equilibrium Optimizer，EO)。该算法由Afshin Faramarzi等人于2020年提出的一种新型元启发式优化算法，主要受用于估计动态和平衡状态的控制体积质量平衡模型的启发。

一、EO理论基础

算法的灵感来自于控制体积上一个简单的良好混合的动态质量平衡，其中质量平衡方程被用来描述控制体积中非反应成分的浓度作为其各种源和汇机制的函数。质量平衡方程为在控制体积中进入、离开和产生的质量守恒提供了基本的物理原理 。算法最终迭代寻优到完全收敛状态时即为控制体积内部达到动态平衡状态，在初始寻优过程，把平衡浓度作为未知量，平衡候选对象决定了粒子的搜索方向，  为算法目前找到的全局最优解，更新解的过程主要分为全局空间的随机搜索和当前最优解领域的局部搜索两个部分，如图1所示：

图1   EO算法候选解浓度更新

二、EO数学模型 

2.1 种群初始化

       算法使用初始化的种群开始优化，在搜索空间中,初始浓度由粒子的数量和维度均匀随机初始化产生: 

2.2 建立平衡状态池 

2.3 指数项 

2.4 生成速率 

2.5 更新解 

三、EO流程图

图2   EO流程图

四、EO运行结果 

F1:

The best optimal value of the objective funciton found by EO  for F1  is : 3.2104e-42

F6:

The best optimal value of the objective funciton found by EO  for F6  is : 6.9233e-06

F8:

The best optimal value of the objective funciton found by EO  for F8  is : -7058.3347