本文主要是介绍智能优化算法：饥饿游戏搜索算法-附代码，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

智能优化算法：饥饿游戏搜索算法

文章目录

• 智能优化算法：饥饿游戏搜索算法
• • 1.算法原理
  • • 1.1 接近食物
    • 1.2 饥饿角色
  • 2.实验结果
  • 3.参考文献
  • 4.Matlab

1.算法原理

1.1 接近食物

动物接近食物的行为可以用式（1）表示：
X ( t + 1 ) = { X ( t ) ( 1 + r a n d n ( 1 ) ) , r 1 < l W 1 X b + R W 2 ∣ X b − X ( t ) ∣ , r 1 > l , r 2 > E W 1 X b − R W 2 ∣ X b − X ( t ) ∣ , r 1 > l , r 2 < E (1) X(t+1)=\begin{cases} X(t)(1+randn(1)),r_1<l\\ W_1X_b+RW_2|X_b-X(t)|,r_1>l,r_2>E\\ W_1X_b-RW_2|X_b-X(t)|,r_1>l,r2<E \end{cases}\tag{1} X(t+1)=⎩⎪⎨⎪⎧​X(t)(1+randn(1)),r1​<lW1​Xb​+RW2​∣Xb​−X(t)∣,r1​>l,r2​>EW1​Xb​−RW2​∣Xb​−X(t)∣,r1​>l,r2<E​(1)
其中， R R R是介于 [ − a , a ] [-a,a] [−a,a]的随机数； r 1 , r 2 r_1,r_2 r1​,r2​均为[0,1]之间的随机数；randn是满足标准正态分布的随机数； t t t为当前迭代次数； W 1 W_1 W1​和 W 2 W_2 W2​表示饥饿权重； X b X_b Xb​表示全局最优位置； X ( t ) X(t) X(t)表示当前个体位置； l l l是设置的常数。 E E E的计算公式如下：
E = s e c h ( ∣ F ( i ) − B F ∣ ) (2) E=sech(|F(i)-BF|)\tag{2} E=sech(∣F(i)−BF∣)(2)
其中 i ∈ ( 1 , 2 , . . . , N ) i\in(1,2,...,N) i∈(1,2,...,N)， F ( i ) F(i) F(i)第 i i i个个体的适应度值； B F BF BF是当前最优适应度值。 s e c h sech sech是一个双曲函数。
s e c h ( x ) = 2 e x + e − x (2) sech(x)=\frac{2}{e^x+e^{-x}} \tag{2} sech(x)=ex+e−x2​(2)
R的计算公式如下：
R = 2 ∗ a ∗ r a n d − a (4) R=2*a*rand-a \tag{4} R=2∗a∗rand−a(4)

a = 2 ∗ ( 1 − t / M a x i t e r ) (5) a=2*(1-t/Max_{iter})\tag{5} a=2∗(1−t/Maxiter​)(5)

1.2 饥饿角色

对搜索中个体的饥饿特征进行了数学建模

W 1 W_1 W1​的计算如式（6）所示：
W 1 i = { h u n g r y ( i ) N S H u n g r y r 4 , r 3 < l 1 , r 3 > l (6) W_1^i=\begin{cases} hungry(i)\frac{N}{SHungry}r_4,r3<l\\ 1,r3>l \end{cases}\tag{6} W1i​={hungry(i)SHungryN​r4​,r3<l1,r3>l​(6)
W 2 W_2 W2​的计算如式（7）所示：
W 2 i = ( 1 − e x p ( − ∣ h u n g r y ( i ) − S H u n g r y ∣ ) ) ∗ r 2 ∗ 2 (7) W_2^i=(1-exp(-|hungry(i)-SHungry|))*r_2*2 \tag{7} W2i​=(1−exp(−∣hungry(i)−SHungry∣))∗r2​∗2(7)
其中， h u n g r y hungry hungry表示每个个体的饥饿程度； N N N表示所有个体的总数； S H u n g r y SHungry SHungry表示所有个体饥饿程度的总和，即 s u m ( h u n g r y ) sum(hungry) sum(hungry)； r 3 , r 4 , r 5 r_3,r_4,r_5 r3​,r4​,r5​均为[0,1]之间的随机数。 h u n g r y ( i ) hungry(i) hungry(i)计算如下：
h u n g r y ( i ) = { 0 , A l l F i t n e s s ( i ) = = B F h u n g r y ( i ) + H , e l s e (8) hungry(i)=\begin{cases} 0,AllFitness(i)==BF\\ hungry(i)+H,else \end{cases}\tag{8} hungry(i)={0,AllFitness(i)==BFhungry(i)+H,else​(8)
其中， A l l F i t n e s s ( i ) AllFitness(i) AllFitness(i)表示每个个体的适应度值。 H H H的计算如下：
T H = F ( i ) − B F W F − B F ∗ r 6 ∗ 2 ∗ ( U B − L B ) (9) TH=\frac{F(i)-BF}{WF-BF}*r_6*2*(UB-LB)\tag{9} TH=WF−BFF(i)−BF​∗r6​∗2∗(UB−LB)(9)

H = { L H ∗ ( 1 + r ) , T H < L H T H , e l s e (10) H=\begin{cases} LH*(1+r),TH<LH\\ TH,else \end{cases}\tag{10} H={LH∗(1+r),TH<LHTH,else​(10)

其中， r 6 r_6 r6​为[0,1]之间的随机数； F ( i ) F(i) F(i)为每个个体的适应度值； B F BF BF为当前最优适应度值； W F WF WF为当前最差适应度值； U B UB UB和 L B LB LB分别表示搜索空间的上限和下限； L H LH LH为 H H H的下界。

算法伪代码

Algorithm 1 Pseudo-code of Hunger Games Search (HGS)
Initialize the parameters N, T,l,D,SHungry
Initialize the positions of Individuals X i (i = 1,2,⋯,N)
While (t ≤ T)
Calculate the fitness of all Individuals
UpdateBF,WF,X b ,BI
Calculate the Hungry by Eq. (8)
Calculate the W 1  by Eq. (6)
Calculate the W 2  by Eq. (7)
For eachIndividuals
Calculate E by Eq. (2)
Update R by Eq. (4)
UpdatepositionsbyEq.(1)
End For
t = t + 1
End While
ReturnBF,X 

2.实验结果

3.参考文献

[1] Yutao Yang, Huiling Chen, Ali Asghar Heidari, Amir H Gandomi. Hunger Games Search: Visions, Conception, Implementation, Deep Analysis, Perspectives, and Towards Performance Shifts[J]. Expert Systems with Applications, 2021, 177: 114864.

4.Matlab

这篇关于智能优化算法：饥饿游戏搜索算法-附代码的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！