智能优化算法:共生生物搜索算法 - 附代码

2024-06-18 07:33

本文主要是介绍智能优化算法:共生生物搜索算法 - 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:共生生物搜索算法

文章目录

  • 智能优化算法:共生生物搜索算法
    • 1.SOS算法原理
      • 1.1 互利阶段
      • 1.2 共栖阶段
      • 1.3 寄生阶段
    • 2.实验结果
    • 3.参考文献
    • 4.Matlab代码
    • 5.python代码

摘要:共生生物搜索算法(Symbiotic Organisms Search, SOS)于2014年,提出的一种基于生物学中共生现象的启发式搜索算法。该算法具有控制参数少、操作简单、容易实现、稳定性好且优化能力强的特点。

1.SOS算法原理

SOS 模拟了自然界中的个体间交互行为 。共生指两种或多种不同生物物种之间的长期相互作用,可以是两个个体完全依赖,也可以是个体有选择地生活在一起使彼此都能获益,或是某个体寄生于另一个体中。SOS 算法主要分为互利阶段、共栖阶段和寄生阶段,其基本原理为:

1.1 互利阶段

个体 X i X_i Xi被认为是生态系统的第 i i i 个成员。另一个体 X j X_j Xj从生态系统中随机选择以用来和 X i X_i Xi交互。在生态系统中,两个个体都保持着交互关系。 X i X_i Xi X j X_j Xj在交互后的更新公式分别由(1)和(2)表示,其中互利向量 R M V R_{MV} RMV的表达式如式(3)所示:
X i n e w = X i + r a n d ( 0 , 1 ) ∗ ( X b e s t − R M V ∗ b f 1 ) (1) X_i^{new}=X_i +rand(0,1)*(X_{best}-R_{MV}*bf_1)\tag{1} Xinew=Xi+rand(0,1)(XbestRMVbf1)(1)

X j n e w = X j + r a n d ( 0 , 1 ) ∗ ( X b e s t − R M V ∗ b f 2 ) (2) X_j^{new}=X_j +rand(0,1)*(X_{best}-R_{MV}*bf_2)\tag{2} Xjnew=Xj+rand(0,1)(XbestRMVbf2)(2)

R M V = ( X i + X j ) / 2 (3) R_{MV}=(X_i+X_j)/2\tag{3} RMV=(Xi+Xj)/2(3)

式中, R M V R_{MV} RMV代表了 X i X_i Xi X j X_j Xj的交互关系; r a n d ( 0 , 1 ) rand(0,1) rand(0,1)是[0,1]间的随机数; X b e s t X_{best} Xbest为最优个体; b f 1 bf_1 bf1 b f 2 bf_2 bf2为利益因子,代表着个体从相互关系中获得的利益水平。 b f 1 bf_1 bf1 b f 2 bf_2 bf2的值可以随机选择为 1 或 2,表示可能得到部分受益或完全受益。

1.2 共栖阶段

指从生态系统中随机选择一个单独的 X j X_j Xj X i X_i Xi交互,这种交互使得 X i X_i Xi受益,而 X j X_j Xj既不受益也不受到伤害。由这种相互作用产生的新个体则用式(4)所描述:
X i n e w = X i + r a n d ( − 1 , 1 ) ∗ ( X b e s t − X j ) (4) X_i^{new}=X_i+rand(-1,1)*(X_{best}-X_j)\tag{4} Xinew=Xi+rand(1,1)(XbestXj)(4)
其中, X b e s t − X j X_{best}-X_j XbestXj表示 X j X_j Xj X i X_i Xi提供的好处,即 X j X_j Xj帮助 X i X_i Xi提高对生态系统的适应程度。

1.3 寄生阶段

从生态系统中选取 X i X_i Xi作为寄生向量,利用随机向量对自身进行复制和修改,生成变异载体 R P V R_{PV} RPV。如果变异载体比宿主 X i X_i Xi具有更好的适应值,它可能会破坏宿主并将其替代,若相反则说明宿主对变异载体具有免疫性从而被保留下来,变异载体被淘汰,具体如式(5)和(6)所示:
R P V = X i (5) R_{PV}=X_i \tag{5} RPV=Xi(5)

R P V ( p i c k ) = r a n d ( 1 , l e n g t h ( p i c k ) ) ∗ ( u b ( p i c k ) − l b ( p i c k ) ) + l b ( p i c k ) (6) R_{PV}(pick) = rand(1,length(pick))*(ub(pick)-lb(pick))+lb(pick)\tag{6} RPV(pick)=rand(1,length(pick))(ub(pick)lb(pick))+lb(pick)(6)

其中: pick 为变异体, ub 为搜索上界, lb 为搜索下界

算法步骤

step1.设置参数,初始化种群

step2.计算适应度值,更新最优位置

step3.种群整体进行互利阶段更新

step4.种群整体进行共栖阶段更新

step5.种群整体进行寄生操作

step6.计算适应度值

step7.判断是否满足停止条件,如果满足则输出最优值,否则重复执行step2-7。

2.实验结果

在这里插入图片描述

3.参考文献

[1]贾鹤鸣,李瑶,姜子超,孙康健.基于改进共生生物搜索算法的林火图像多阈值分割[J/OL].计算机应用:1-9[2021-01-25].http://kns.cnki.net/kcms/detail/51.1307.TP.20201209.1623.022.html.

[1] CHENG M Y, PRAYOGO D. Symbiotic Organisms Search: A new metaheuristic optimization algorithm [J]. Computers & Structures, 2014, 139: 98-112.

4.Matlab代码

算法相关应用

名称说明或者参考文献
基于共生生物算法的无线传感器网(WSN)覆盖优化https://blog.csdn.net/u011835903/article/details/109262039(原理一样,只是优化算法用共生生物算法)
基于共生生物算法的3D无线传感器网(WSN)覆盖优化https://blog.csdn.net/u011835903/article/details/113834323(原理一样,只是优化算法用共生生物算法)

5.python代码

个人资料介绍

这篇关于智能优化算法:共生生物搜索算法 - 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/1071663

相关文章

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖(即BeanA依赖BeanB,而BeanB又依赖BeanA),会导致Spring的... 目录1. 什么是循环依赖?2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1:使用 @La

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

用js控制视频播放进度基本示例代码

《用js控制视频播放进度基本示例代码》写前端的时候,很多的时候是需要支持要网页视频播放的功能,下面这篇文章主要给大家介绍了关于用js控制视频播放进度的相关资料,文中通过代码介绍的非常详细,需要的朋友可... 目录前言html部分:JavaScript部分:注意:总结前言在javascript中控制视频播放

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

《SpringBoot3.4.3基于SpringWebFlux实现SSE功能(代码示例)》SpringBoot3.4.3结合SpringWebFlux实现SSE功能,为实时数据推送提供... 目录1. SSE 简介1.1 什么是 SSE?1.2 SSE 的优点1.3 适用场景2. Spring WebFlu

java之Objects.nonNull用法代码解读

《java之Objects.nonNull用法代码解读》:本文主要介绍java之Objects.nonNull用法代码,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录Java之Objects.nonwww.chinasem.cnNull用法代码Objects.nonN

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.