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

uniapp接入微信小程序原生代码配置方案(优化版)

uniapp项目需要把微信小程序原生语法的功能代码嵌套过来,无需把原生代码转换为uniapp,可以配置拷贝的方式集成过来 1、拷贝代码包到src目录 2、vue.config.js中配置原生代码包直接拷贝到编译目录中 3、pages.json中配置分包目录,原生入口组件的路径 4、manifest.json中配置分包,使用原生组件 5、需要把原生代码包里的页面修改成组件的方

公共筛选组件(二次封装antd)支持代码提示

如果项目是基于antd组件库为基础搭建,可使用此公共筛选组件 使用到的库 npm i antdnpm i lodash-esnpm i @types/lodash-es -D /components/CommonSearch index.tsx import React from 'react';import { Button, Card, Form } from 'antd'

17.用300行代码手写初体验Spring V1.0版本

1.1.课程目标 1、了解看源码最有效的方式,先猜测后验证,不要一开始就去调试代码。 2、浓缩就是精华,用 300行最简洁的代码 提炼Spring的基本设计思想。 3、掌握Spring框架的基本脉络。 1.2.内容定位 1、 具有1年以上的SpringMVC使用经验。 2、 希望深入了解Spring源码的人群,对 Spring有一个整体的宏观感受。 3、 全程手写实现SpringM

代码随想录算法训练营:12/60

非科班学习算法day12 | LeetCode150:逆波兰表达式 ,Leetcode239: 滑动窗口最大值  目录 介绍 一、基础概念补充: 1.c++字符串转为数字 1. std::stoi, std::stol, std::stoll, std::stoul, std::stoull(最常用) 2. std::stringstream 3. std::atoi, std

记录AS混淆代码模板

开启混淆得先在build.gradle文件中把 minifyEnabled false改成true,以及shrinkResources true//去除无用的resource文件 这些是写在proguard-rules.pro文件内的 指定代码的压缩级别 -optimizationpasses 5 包明不混合大小写 -dontusemixedcaseclassnames 不去忽略非公共

人工智能机器学习算法总结神经网络算法(前向及反向传播)

1.定义,意义和优缺点 定义: 神经网络算法是一种模仿人类大脑神经元之间连接方式的机器学习算法。通过多层神经元的组合和激活函数的非线性转换,神经网络能够学习数据的特征和模式,实现对复杂数据的建模和预测。(我们可以借助人类的神经元模型来更好的帮助我们理解该算法的本质,不过这里需要说明的是,虽然名字是神经网络,并且结构等等也是借鉴了神经网络,但其原型以及算法本质上还和生物层面的神经网络运行原理存在

智能客服到个人助理,国内AI大模型如何改变我们的生活?

引言 随着人工智能(AI)技术的高速发展,AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展,不少独创的技术点和实际应用令人瞩目。 那么,国内的AI大模型有哪些独创的技术点?它们在实际应用中又有哪些出色表现呢?此外,普通人又该如何利用这些大模型提升工作和生活的质量和效率呢?本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多

麻了!一觉醒来,代码全挂了。。

作为⼀名程序员,相信大家平时都有代码托管的需求。 相信有不少同学或者团队都习惯把自己的代码托管到GitHub平台上。 但是GitHub大家知道,经常在访问速度这方面并不是很快,有时候因为网络问题甚至根本连网站都打不开了,所以导致使用体验并不友好。 经常一觉醒来,居然发现我竟然看不到我自己上传的代码了。。 那在国内,除了GitHub,另外还有一个比较常用的Gitee平台也可以用于

基于 Java 实现的智能客服聊天工具模拟场景

服务端代码 import java.io.BufferedReader;import java.io.IOException;import java.io.InputStreamReader;import java.io.PrintWriter;import java.net.ServerSocket;import java.net.Socket;public class Serv

大林 PID 算法

Dahlin PID算法是一种用于控制和调节系统的比例积分延迟算法。以下是一个简单的C语言实现示例: #include <stdio.h>// DALIN PID 结构体定义typedef struct {float SetPoint; // 设定点float Proportion; // 比例float Integral; // 积分float Derivative; // 微分flo