2024年新提出的算法|鹦鹉优化器(Parrot optimizer):算法及其在医疗问题中的应用

2024-02-28 13:36

本文主要是介绍2024年新提出的算法|鹦鹉优化器(Parrot optimizer):算法及其在医疗问题中的应用,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!

本期介绍一种基于训练后鹦鹉关键行为的高效优化方法——鹦鹉优化器(Parrot Optimizer, PO)。该成果于2024年2月发表在中科院2区top SCI期刊Computers in Biology and Medicine(IF=7.7)
在这里插入图片描述

1、简介

鹦鹉优化器(PO)是一种受训练有素的Pyrrhura Molinae鹦鹉观察到的关键行为启发的高效优化方法。该研究以定性分析和综合实验为特色,展示了鹦鹉优化器在处理各种优化问题时的独特特征。性能评估包括在35个函数上对所提出的PO进行基准测试,包括来自IEEE CEC 2022测试集的经典案例和问题,并将其与八种流行算法进行比较。结果生动地突出了PO在其探索性和开发性特征方面的竞争优势。此外,参数敏感性实验探索了所提出的PO在不同配置下的适应性。开发的PO在应用于工程设计问题时展示了有效性和优越性。为了进一步将评估扩展到现实世界的应用,我们将PO应用于疾病诊断和医学图像分割问题,这些问题在医学领域具有高度相关性和重要性。
在这里插入图片描述

2、数学建模

2.1 种群初始化(随机)

X i 0 = l b + r a n d ( 0 , 1 ) ⋅ ( u b − l b ) X_{i}^{0}=l b+r a n d\left(0,1\right)\cdot\left(u b-l b\right) Xi0=lb+rand(0,1)(ublb)

2.2 觅食行为

在PO的觅食行为中,它们主要通过观察食物的位置或考虑主人的位置来估计食物的大致位置,然后向各自的位置飞行。位置运动遵循以下方程:
X i t + 1 = ( X i t − X b e s t ) ⋅ L e v y ( d i m ) + r a n d ( 0 , 1 ) ⋅ ( 1 − t M a x i n v ) u M a x i n v ⋅ X m e a n t X_{i}^{t+1}=\left(X_{i}^{t}-X_{b e s t}\right)\cdot L e v y\left(d i m\right)+r a n d\left(0,1\right)\cdot\left(1-\frac{t}{M a x_{i n v}}\right)^{\frac{u}{M a x_{i n v}}}\cdot X_{m e a n}^{t} Xit+1=(XitXbest)Levy(dim)+rand(0,1)(1Maxinvt)MaxinvuXmeant

2.3 停留行为

Pyrrhura Molinae是一种高度社会化的生物,它的停留行为主要包括突然逃到主人身体的任何部位,在那里它保持静止一段时间。这个过程如图所示。这个过程可以表示为:
X i t + 1 = X i t + X b e s t ⋅ L e v y ( d i m ) + r a n d ( 0 , 1 ) ⋅ o n e s ( 1 , d i m ) X_{i}^{t+1}=X_{i}^{t}+X_{b e s t}\cdot L e v y(d i m)+r a n d(0,1)\cdot o n e s\left(1,d i m\right) Xit+1=Xit+XbestLevy(dim)+rand(0,1)ones(1,dim)
o n e s ( 1 , d i m ) ones(1,dim) ones(1,dim)表示随机停在宿主身体某一部位的过程。
在这里插入图片描述

2.4 沟通行为

Pyrrhura Molinae鹦鹉是天生的群居动物,其特点是在群体内进行密切的交流。这种交流行为包括飞向羊群和不飞向羊群进行交流。在PO中,假设这两种行为发生的概率相等,并使用当前群体的平均位置来表示群体的中心。这个过程如图所示。这个过程可以表示为:
X i t + 1 = { 0.2 ⋅ r a n d ( 0 , 1 ) ⋅ ( 1 − t M a x i e r ) ⋅ ( X i t − X m e a n t ) , P ≤ 0.5 0.2 ⋅ r a n d ( 0 , 1 ) ⋅ e x p ( − t r a n d ( 0 , 1 ) ⋅ M a x i e r ) , P > 0.5 X_{i}^{t+1}=\left\{\begin{array}{c}{{0.2\cdot r a n d\left(0,1\right)\cdot\left(1-\frac t{M a x_{i e r}}\right)\cdot\left(X_{i}^{t}-X_{m e a n}^{t}\right),P\leq0.5}}\\ {{0.2\cdot r a n d\left(0,1\right)\cdot ex p\left(-\frac t{r a n d(0,1)\cdot M a x_{i e r}}\right),P\gt 0.5}}\end{array}\right. Xit+1= 0.2rand(0,1)(1Maxiert)(XitXmeant),P0.50.2rand(0,1)exp(rand(0,1)Maxiert),P>0.5

在这里插入图片描述

2.5 害怕陌生人的行为

一般来说,鸟类对陌生人表现出天生的恐惧,Pyrrhura Molinae鹦鹉也不例外。它们与不熟悉的个体保持距离,并与主人一起寻求安全环境的行为如图5所示,如下所述:
X i t + 1 = X i t + r a n d ( 0 , 1 ) ⋅ c o s ( 0.5 π ⋅ t M a x i e r ) ⋅ ( X b e s t − X i t ) − c o s ( r a n d ( 0 , 1 ) ⋅ π ) ⋅ ( t M a x i e r ) 2 M a x i e r ⋅ ( X i t − X b e s t ) X_{i}^{t+1}\,=\,X_{i}^{t}\,+\,r a n d\,(0,1)\cdot c o s\,\left(0.5\pi\cdot{\frac{t}{M a x_{i e r}}}\right)\,\cdot\,\left(X_{b e s t}\,-\,X_{i}^{t}\right)-\,c o s\left(r a n d\left(0,1\right)\cdot\pi\right)\cdot\left(\frac{t}{M a x_{i e r}}\right)^{\frac{2}{M a x_{i e r}}}\,\cdot\left(X_{i}^{t}-X_{b e s t}\right) Xit+1=Xit+rand(0,1)cos(0.5πMaxiert)(XbestXit)cos(rand(0,1)π)(Maxiert)Maxier2(XitXbest)

3.Matlab源代码下载

(1)2024年新提出的算法|鹦鹉优化器(PO)跑CEC2005数据集
(2)2024年新提出的算法|鹦鹉优化器(PO)跑CEC2017数据集
(2)2024年新提出的算法|鹦鹉优化器(PO)跑CEC2022数据集

Junbo Lian, Guohua Hui, Ling Ma, Ting Zhu, Xincan Wu, Ali Asghar Heidari, Yi Chen, Huiling Chen,Parrot optimizer: Algorithm and applications to medical problems,Computers in Biology and Medicine,2024, https://doi.org/10.1016/j.compbiomed.2024.108064.

这篇关于2024年新提出的算法|鹦鹉优化器(Parrot optimizer):算法及其在医疗问题中的应用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/755650

相关文章

关于MongoDB图片URL存储异常问题以及解决

《关于MongoDB图片URL存储异常问题以及解决》:本文主要介绍关于MongoDB图片URL存储异常问题以及解决方案,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MongoDB图片URL存储异常问题项目场景问题描述原因分析解决方案预防措施js总结MongoDB图

SpringBoot项目中报错The field screenShot exceeds its maximum permitted size of 1048576 bytes.的问题及解决

《SpringBoot项目中报错ThefieldscreenShotexceedsitsmaximumpermittedsizeof1048576bytes.的问题及解决》这篇文章... 目录项目场景问题描述原因分析解决方案总结项目场景javascript提示:项目相关背景:项目场景:基于Spring

解决Maven项目idea找不到本地仓库jar包问题以及使用mvn install:install-file

《解决Maven项目idea找不到本地仓库jar包问题以及使用mvninstall:install-file》:本文主要介绍解决Maven项目idea找不到本地仓库jar包问题以及使用mvnin... 目录Maven项目idea找不到本地仓库jar包以及使用mvn install:install-file基

usb接口驱动异常问题常用解决方案

《usb接口驱动异常问题常用解决方案》当遇到USB接口驱动异常时,可以通过多种方法来解决,其中主要就包括重装USB控制器、禁用USB选择性暂停设置、更新或安装新的主板驱动等... usb接口驱动异常怎么办,USB接口驱动异常是常见问题,通常由驱动损坏、系统更新冲突、硬件故障或电源管理设置导致。以下是常用解决

Java中的Lambda表达式及其应用小结

《Java中的Lambda表达式及其应用小结》Java中的Lambda表达式是一项极具创新性的特性,它使得Java代码更加简洁和高效,尤其是在集合操作和并行处理方面,:本文主要介绍Java中的La... 目录前言1. 什么是Lambda表达式?2. Lambda表达式的基本语法例子1:最简单的Lambda表

Mysql如何解决死锁问题

《Mysql如何解决死锁问题》:本文主要介绍Mysql如何解决死锁问题,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,望不吝赐教... 目录【一】mysql中锁分类和加锁情况【1】按锁的粒度分类全局锁表级锁行级锁【2】按锁的模式分类【二】加锁方式的影响因素【三】Mysql的死锁情况【1

SpringBoot内嵌Tomcat临时目录问题及解决

《SpringBoot内嵌Tomcat临时目录问题及解决》:本文主要介绍SpringBoot内嵌Tomcat临时目录问题及解决,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,... 目录SprinjavascriptgBoot内嵌Tomcat临时目录问题1.背景2.方案3.代码中配置t

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,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,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

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结合PyWebView库打造跨平台桌面应用

《Python结合PyWebView库打造跨平台桌面应用》随着Web技术的发展,将HTML/CSS/JavaScript与Python结合构建桌面应用成为可能,本文将系统讲解如何使用PyWebView... 目录一、技术原理与优势分析1.1 架构原理1.2 核心优势二、开发环境搭建2.1 安装依赖2.2 验