一种新型智能优化算法—鼠群优化（RSO）算法

     

目录

一、RSO理论基础 

二、RSO数学模型

2.1 追逐猎物

2.2 攻击猎物

三、RSO流程图 

四、运行结果

---

 

       鼠群优化(Rat Swarm Optimizer，RSO)算法是由Dhiman G等人于2020年提出，主要启发于老鼠追逐和攻击猎物的种群行为。该优化算法具有结构简单，控制参数少等优势，在求解实际优化问题时具有较高的效率。

图一 猫和老鼠

一、RSO理论基础 

       老鼠是长尾中型啮齿动物，主要分为两种：黑鼠和褐鼠。老鼠天生具有社交能力。他们互相梳理毛发，并参与各种活动，比如跳跃、追逐、翻滚和拳击。老鼠是一种领地动物，它们的行为在许多情况下是非常具有攻击性的，这可能会导致一些其它动物死亡。这种攻击性行为是这项工作追逐和追逐猎物的主要动机。

二、RSO数学模型

2.1 追逐猎物

2.2 攻击猎物

 

图2  老鼠三维位置向量

三、RSO流程图 

图3   算法流程图

四、运行结果

F1:

The best optimal value of the objective function found by RSO is : 0

F1运行结果

 F6:

The best optimal value of the objective function found by RSO is : 3.042

F6运行结果

 F8：

The best optimal value of the objective function found by RSO is : -6802.2448

F8运行结果