智能优化算法:饥饿游戏搜索算法-附代码

2024-06-18 07:08

本文主要是介绍智能优化算法:饥饿游戏搜索算法-附代码,希望对大家解决编程问题提供一定的参考价值,需要的开发者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

摘要:饥饿游戏搜索算法(Hunger games search,HGS)是于2021年提出的一种新型智能优化算法,该算法是根据动物饥饿驱动活动和行为而设计的,具有寻优能力强,收敛速度快等特点。

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<lW1Xb+RW2XbX(t),r1>l,r2>EW1XbRW2XbX(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 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) 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+ex2(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=2aranda(4)

a = 2 ∗ ( 1 − t / M a x i t e r ) (5) a=2*(1-t/Max_{iter})\tag{5} a=2(1t/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)SHungryNr4,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=(1exp(hungry(i)SHungry))r22(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=WFBFF(i)BFr62(UBLB)(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 L B LB LB分别表示搜索空间的上限和下限; L H LH LH 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

请添加图片描述

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编程师们有所帮助!



http://www.chinasem.cn/article/1071616

相关文章

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

Java的栈与队列实现代码解析

《Java的栈与队列实现代码解析》栈是常见的线性数据结构,栈的特点是以先进后出的形式,后进先出,先进后出,分为栈底和栈顶,栈应用于内存的分配,表达式求值,存储临时的数据和方法的调用等,本文给大家介绍J... 目录栈的概念(Stack)栈的实现代码队列(Queue)模拟实现队列(双链表实现)循环队列(循环数组

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分

Python实现word文档内容智能提取以及合成

《Python实现word文档内容智能提取以及合成》这篇文章主要为大家详细介绍了如何使用Python实现从10个左右的docx文档中抽取内容,再调整语言风格后生成新的文档,感兴趣的小伙伴可以了解一下... 目录核心思路技术路径实现步骤阶段一:准备工作阶段二:内容提取 (python 脚本)阶段三:语言风格调

使用Java将DOCX文档解析为Markdown文档的代码实现

《使用Java将DOCX文档解析为Markdown文档的代码实现》在现代文档处理中,Markdown(MD)因其简洁的语法和良好的可读性,逐渐成为开发者、技术写作者和内容创作者的首选格式,然而,许多文... 目录引言1. 工具和库介绍2. 安装依赖库3. 使用Apache POI解析DOCX文档4. 将解析

C++使用printf语句实现进制转换的示例代码

《C++使用printf语句实现进制转换的示例代码》在C语言中,printf函数可以直接实现部分进制转换功能,通过格式说明符(formatspecifier)快速输出不同进制的数值,下面给大家分享C+... 目录一、printf 原生支持的进制转换1. 十进制、八进制、十六进制转换2. 显示进制前缀3. 指

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各

使用Python实现全能手机虚拟键盘的示例代码

《使用Python实现全能手机虚拟键盘的示例代码》在数字化办公时代,你是否遇到过这样的场景:会议室投影电脑突然键盘失灵、躺在沙发上想远程控制书房电脑、或者需要给长辈远程协助操作?今天我要分享的Pyth... 目录一、项目概述:不止于键盘的远程控制方案1.1 创新价值1.2 技术栈全景二、需求实现步骤一、需求

Java中Date、LocalDate、LocalDateTime、LocalTime、时间戳之间的相互转换代码

《Java中Date、LocalDate、LocalDateTime、LocalTime、时间戳之间的相互转换代码》:本文主要介绍Java中日期时间转换的多种方法,包括将Date转换为LocalD... 目录一、Date转LocalDateTime二、Date转LocalDate三、LocalDateTim