改进蜣螂优化--采用莱维飞行和三角形游走策略
今天为大家带来一期改进的蜣螂优化算法。之前有篇文章推出过改进正弦算法引导的蜣螂优化算法(MSADBO)，但是该文章已经有论文发表过了。
今天作者为大家带来的这一期改进，完全属于个人的改进，网络上应该查不到，大家也可以作为参考，也可以在作者改进的基础上接着改进。
改进策略如下：
①采用Cubic混沌映射，公式如下：
采用Cubic映射增加粒子多样性，可以减少粒子寻优时间，增加算法的收敛速度。想要采用别的混沌映射对算法改进的，可以参考这篇文章：10种混沌映射优化灰狼算法，可一键切换，可用于优化所有群智能算法，以灰狼算法为例进行介绍。
②采用三角形游走策略
在小蜣螂觅食阶段进行改进，在小蜣螂觅食阶段，不需要直接接近食物，可以在食物周围游走，增加蜣螂的随机性。三角形游走策略的公式如下：
之后，根据下述公式定义行走的方向
。
再采用下述公式求出获得小蜣螂游走后得到的位置。
③Levy飞行与贪婪策略
Levy飞行是一种非常有效的提供随机因子的数学方法。Levy飞行可以提供步长符合Levy分布的随机游走方法。但Levy飞行有时步长过长，为了更加符合蜣螂觅食的行为，在Levy飞行乘以常数 C，从而减少步长。Levy飞行游走策略的公式如下所示。
levy飞行机制结束后，采用贪婪策略，如果粒子的适应度小于前一代适应度，则对粒子进行替换。
结果展示
为了体现每个策略的必要性，作者对每个策略都进行了对比，其中DBO为原始的蜣螂算法，TWDBO为融合三角形游走策略的蜣螂算法，LTWDBO为融合莱维飞行和三角形游走策略的蜣螂算法。
这里截了一些图，可以看到效果还是非常不错的。
代码展示
clear all
clc
close
PD_no=50; %Number of sand cat
F_name='F11'; %Name of the test function
Max_iter=1000; %Maximum number of iterations
[LB,UB,Dim,F_obj]=CEC2005(F_name); %Get details of the benchmark functions
%% DBO
[Best_pos,Best_score, DBO_cg_curve ] = DBO(PD_no,Max_iter,LB,UB,Dim,F_obj); % Call DBO
fprintf ('Best solution obtained by DBO: %s\n', num2str(Best_score,'%e '));
display(['The best optimal value of the objective funciton found by DBO for ' [num2str(F_name)],' is : ', num2str(Best_pos)]);
%% TWDBO
[IBest_pos,IBest_score, TWDBO_cg_curve ] = TWDBO(PD_no,Max_iter,LB,UB,Dim,F_obj); % Call DBO
fprintf ('Best solution obtained by TWDBO: %s\n', num2str(IBest_score,'%e '));
display(['The best optimal value of the objective funciton found by TWDBO for ' [num2str(F_name)],' is : ', num2str(IBest_pos)]);
%% LTWDBO
[LTWDBOBest_pos,LTWDBOBest_score, LTWDBO_cg_curve ] = LTWDBO(PD_no,Max_iter,LB,UB,Dim,F_obj); % Call LTWDBO
fprintf ('Best solution obtained by LTWDBO: %s\n', num2str(LTWDBOBest_score,'%e '));
display(['The best optimal value of the objective funciton found by LTWDBO for ' [num2str(F_name)],' is : ', num2str(LTWDBOBest_pos)]);
%%
CNT=40;
k=round(linspace(1,Max_iter,CNT)); %随机选CNT个点
% 注意：如果收敛曲线画出来的点很少，随机点很稀疏，说明点取少了，这时应增加取点的数量，100、200、300等，逐渐增加
% 相反，如果收敛曲线上的随机点非常密集，说明点取多了，此时要减少取点数量
iter=1:1:Max_iter;
figure('Position',[154 145 894 357]);
subplot(1,2,1);
func_plot(F_name); % Function plot
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([F_name,'( x_1 , x_2 )'])
subplot(1,2,2); % Convergence plot
semilogy(iter(k),DBO_cg_curve(k),'b-*','linewidth',1);
hold on
semilogy(iter(k),TWDBO_cg_curve(k),'r-^','linewidth',1);
hold on
semilogy(iter(k),LTWDBO_cg_curve(k),'g-o','linewidth',1);
xlabel('Iteration#');
ylabel('Best fitness so far');
legend('DBO','TWDBO','LTWDBO');完整代码获取方式：后台回复关键字，不区分大小写。关键字：
LTWDBO