黏菌优化算法SMA(学习笔记_07)

本文主要是介绍黏菌优化算法SMA(学习笔记_07)，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！

1. 定理

• 根据黏菌个体的振荡捕食行为提出。

• 黏菌（通过黏菌静脉）可以根据空气中食物气味的浓度来接近食物。

  • 高：生物振荡越强，黏菌静脉宽度增大，该区域聚集更多黏菌。

  • 低：黏菌转向探索其他区域。

2. 参数

• vc ：反馈因子，描述食物浓度与黏菌质量之间的反馈关系。

  • [-1,1]之间的随机数，随迭代次数的增加逐渐趋于0

  • vc ∈ [-b,b]，b=1−t/T

  • t:当前迭代次数，T:最大迭代次数

• vb : [-a,a]之间的随机数，随迭代次数的增加逐渐趋于0

  • a = arctanh(−(t/T)+1)

• p ：控制参数，p = tanh∣S(i)−DF∣

  • S(i): 当前迭代第i个个体的适应度值

  • DF: 当前最佳适应度值

• z ： z = 0.03; %包裹食物时全局搜索的概率因子

3. 算法流程

1. 初始化种群, 当前迭代次数it = 1

2. while it <= iter_max

   1. 接近食物(气味指数)

      1. 计算每个黏菌的适应度值,S( )

      2. 对当前种群的适应度值进行排序(求最小值时升序，求最大值时降序),SI( )

      3. 记录黏菌个体的最佳适应度值DF及最佳位置

   2. 包裹食物

      1. 更新参数a,b

         1. a = arctanh(−(t/T)+1)
         2. b=1−t/T

      2. 计算每个黏菌个体的适应度权重 

          黏菌个体适应度权重公式如下：

           bF :当前迭代最佳适应度值，wF: 当前迭代最差适应度值，r ：[0,1]随机数

      3. 更新黏菌个体的位置(产生下一代种群)

          黏菌个体位置更新公式如下：ub: 自变量上限，lb:自变量下限，vc = [-b,b]随机数，vb:[-a,a]随机数，A.B:随机选择的当前迭代中的两个个体的位置。

   3. 获取食物

      1. 记录最佳适应度值DF

      2. 迭代次数 it = it + 1;

3. end

4. 输出结果

4. 适应度函数

5. 参考文献

[1] Shimin Li, Huiling Chen, Mingjing Wang, Ali Asghar Heidari, Seyedali Mirjalili. Slime mould algorithm: A new method for stochastic optimization[J]. Future Generation Computer Systems, 2020, 111: 300-323.

这篇关于黏菌优化算法SMA(学习笔记_07)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！