【免费分享】2024最新优化算法-花斑翠鸟优化算法PKO

2024-09-01 21:28

本文主要是介绍【免费分享】2024最新优化算法-花斑翠鸟优化算法PKO,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!

斑翠鸟是一种美丽的鸟类,隶属于翠鸟科,主要分布在东南亚地区,如马来西亚、泰国、印度尼西亚等国。斑翠鸟的身体呈蓝色,头部有黑色斑点,翅膀和尾巴同样为蓝色。它们具有长而尖的嘴巴,适合捕食小型水生动物。斑翠鸟偏爱栖息在水边,常见于河流、湖泊和沼泽附近,以鱼类为主要食物,通常通过潜水来捕获猎物。捕食时,斑翠鸟会从栖息地的树枝上俯冲而下,迅速抓住猎物后返回树枝进食。

斑翠鸟优化算法(Pied Kingfisher Optimizer, PKO)是一种由Abdelazim Hussien于2024年提出的新型群体基元启发式算法。该算法受到斑翠鸟独特的狩猎行为和共生关系的启发,围绕三个阶段展开:栖息/悬停猎物(探索/多样化)、潜水寻找猎物(开发/集约化)以及培养共生关系。这些行为被转化为数学模型,用于有效解决不同搜索空间中的多种优化问题。

代码如下

function [Best_fitness,Best_position,Convergence_curve]=PKO(Popsize,Maxiteration,LB,UB,Dim,Fobj)
tic;
BF=8;%beating Factor
Crest_angles=2*pi*rand;
X=Initialization(Popsize,Dim,UB,LB);
Fitness = zeros(1,Popsize);
Convergence_curve=zeros(1,Maxiteration);
for i=1:PopsizeFitness(i)=Fobj(X(i,:));
end
% Calculate the fitness values of initial PKO.
[~,sorted_indexes]=sort(Fitness);
Best_position=X(sorted_indexes(1),:);
Best_fitness = Fitness(sorted_indexes(1));
Convergence_curve(1)=Best_fitness;
t=1;
PEmax=0.5;
PEmin=0;
while t<Maxiteration+1o=exp(-t/Maxiteration)^2;for i=1:Popsizeif rand<.8  %explorationj=i;while i==jseed=randperm(Popsize);j=seed(1);endbeatingRate=rand*(Fitness(j))/(Fitness(i));alpha=2*randn(1,Dim)-1;if rand<.5T=beatingRate-((t)^(1/BF)/(Maxiteration)^(1/BF));X_1(i,:)=X(i,:)+alpha.*T.*(X(j,:)-X(i,:));elseT= (exp(1)-exp(((t-1)/Maxiteration)^(1/BF)))*(cos(Crest_angles));X_1(i,:)=X(i,:)+alpha.*T.*(X(j,:)-X(i,:));endelse %exploitationalpha=2*randn(1,Dim)-1;b=X(i,:)+o^2*randn.*Best_position; HuntingAbility=rand*(Fitness(i))/(Best_fitness);X_1(i,:)=X(i,:)+ HuntingAbility*o*alpha.*(b-Best_position);endendfor i=1:PopsizeFU=X_1(i,:)>UB;FL=X_1(i,:)<LB;X_1(i,:)=(X_1(i,:).*(~(FU+FL)))+UB.*FU+LB.*FL;fitnessn(i) = Fobj(X_1(i,:));if fitnessn(i)<Fitness(i)Fitness(i)=fitnessn(i);X(i,:)=X_1(i,:);endif Fitness(i)<Best_fitnessBest_fitness=Fitness(i);Best_position=X(i,:);endend% Commensal association of the pied kingfisher with foraging Eurasian ottersPE=PEmax-(PEmax-PEmin)*(t/Maxiteration);   %Predatory Efficiencyfor i=1:Popsizealpha=2*randn(1,Dim)-1;if rand>(1-PE)  X_1(i,:)=X(randi([1,Popsize]),:)+o*alpha.*abs(X(i,:)-X(randi([1,Popsize]),:));elseX_1(i,:)=X(i,:);endFU=X_1(i,:)>UB;FL=X_1(i,:)<LB;X_1(i,:)=(X_1(i,:).*(~(FU+FL)))+UB.*FU+LB.*FL;fitnessn(i) = Fobj(X_1(i,:));if fitnessn(i)<Fitness(i)Fitness(i)=fitnessn(i);X(i,:)=X_1(i,:);endif Fitness(i)<Best_fitnessBest_fitness=Fitness(i);Best_position=X(i,:);endendConvergence_curve(t)=Best_fitness;t = t + 1;
end
time = toc;
end

这篇关于【免费分享】2024最新优化算法-花斑翠鸟优化算法PKO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/1128082

相关文章

MySQL 多列 IN 查询之语法、性能与实战技巧(最新整理)

《MySQL多列IN查询之语法、性能与实战技巧(最新整理)》本文详解MySQL多列IN查询,对比传统OR写法,强调其简洁高效,适合批量匹配复合键,通过联合索引、分批次优化提升性能,兼容多种数据库... 目录一、基础语法:多列 IN 的两种写法1. 直接值列表2. 子查询二、对比传统 OR 的写法三、性能分析

Spring Boot spring-boot-maven-plugin 参数配置详解(最新推荐)

《SpringBootspring-boot-maven-plugin参数配置详解(最新推荐)》文章介绍了SpringBootMaven插件的5个核心目标(repackage、run、start... 目录一 spring-boot-maven-plugin 插件的5个Goals二 应用场景1 重新打包应用

Javaee多线程之进程和线程之间的区别和联系(最新整理)

《Javaee多线程之进程和线程之间的区别和联系(最新整理)》进程是资源分配单位,线程是调度执行单位,共享资源更高效,创建线程五种方式:继承Thread、Runnable接口、匿名类、lambda,r... 目录进程和线程进程线程进程和线程的区别创建线程的五种写法继承Thread,重写run实现Runnab

Knife4j+Axios+Redis前后端分离架构下的 API 管理与会话方案(最新推荐)

《Knife4j+Axios+Redis前后端分离架构下的API管理与会话方案(最新推荐)》本文主要介绍了Swagger与Knife4j的配置要点、前后端对接方法以及分布式Session实现原理,... 目录一、Swagger 与 Knife4j 的深度理解及配置要点Knife4j 配置关键要点1.Spri

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文

Spring IoC 容器的使用详解(最新整理)

《SpringIoC容器的使用详解(最新整理)》文章介绍了Spring框架中的应用分层思想与IoC容器原理,通过分层解耦业务逻辑、数据访问等模块,IoC容器利用@Component注解管理Bean... 目录1. 应用分层2. IoC 的介绍3. IoC 容器的使用3.1. bean 的存储3.2. 方法注

MySQL 删除数据详解(最新整理)

《MySQL删除数据详解(最新整理)》:本文主要介绍MySQL删除数据的相关知识,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、前言二、mysql 中的三种删除方式1.DELETE语句✅ 基本语法: 示例:2.TRUNCATE语句✅ 基本语

Qt QCustomPlot库简介(最新推荐)

《QtQCustomPlot库简介(最新推荐)》QCustomPlot是一款基于Qt的高性能C++绘图库,专为二维数据可视化设计,它具有轻量级、实时处理百万级数据和多图层支持等特点,适用于科学计算、... 目录核心特性概览核心组件解析1.绘图核心 (QCustomPlot类)2.数据容器 (QCPDataC

深度解析Java DTO(最新推荐)

《深度解析JavaDTO(最新推荐)》DTO(DataTransferObject)是一种用于在不同层(如Controller层、Service层)之间传输数据的对象设计模式,其核心目的是封装数据,... 目录一、什么是DTO?DTO的核心特点:二、为什么需要DTO?(对比Entity)三、实际应用场景解析

Java中的雪花算法Snowflake解析与实践技巧

《Java中的雪花算法Snowflake解析与实践技巧》本文解析了雪花算法的原理、Java实现及生产实践,涵盖ID结构、位运算技巧、时钟回拨处理、WorkerId分配等关键点,并探讨了百度UidGen... 目录一、雪花算法核心原理1.1 算法起源1.2 ID结构详解1.3 核心特性二、Java实现解析2.