---

【获取资源请见文章第5节：资源获取】

---

1. 原始沙丘猫群优化算法

2. 改进沙丘猫群算法

2.1 非线性自适应参数

在原始SCSO算法中，参数Se作用很大，它代表沙丘猫听觉的敏感范围。首先，它影响着参数Re的大小，而Re又负责平衡迭代过程中的全局搜索和局部开发过程，因此Se是一个协调探索和开发阶段的参数。然后，Se
是收敛因子re的一个重要组成部分，对迭代过程中的收敛速度有着举足轻重的作用。然而，在原始SCSO算法中Se从2线性递减到0，极大地限制了沙丘猫的寻优能力，所以这边改进得到了非线性自适应参数Se。
非线性自适应参数Se的变化曲线如下：

2.2 Cauchy变异策略

柯西变异策略（Cauchy Mutation Strategy）是一种常用于优化算法中的变异操作策略之一。柯西变异策略通过对解向量的每个维度进行随机扰动，生成一个新的候选解向量。它的变异操作基于柯西分布（Cauchy Distribution），该分布是一种重尾分布，其概率密度函数具有长尾特性。
具体来说，柯西变异策略通过以下步骤进行：

• 对于给定的解向量，选择一个随机维度。
• 从柯西分布中抽取一个随机数作为变异扰动因子。
• 将变异扰动因子乘以当前维度的取值范围，得到该维度的变异量。
• 将变异量加到当前维度的取值上，得到变异后的解向量。

柯西变异策略相对于其他变异策略（如高斯变异策略）具有更大的扰动幅度，因此更有可能在搜索空间中产生较远离当前解的新解。这有助于算法在探索性和多样性之间取得平衡，促进全局搜索能力。

2.3 最优邻域扰动策略

当沙猫群捕食时，所有的个体都会向最优解的位置移动，这种情况代表了种群的同质性，但不利于全局搜索阶段的进行。因此引入最佳邻域干扰策略，当全局最优被更新时，将围绕它进行进一步的附近的搜索，如此而来，种群的多样性就可以得到保证。公式如下：

在每一次进行最优邻域扰动后，要进行贪婪选择，比较使用最优邻域扰动策略前后的适应度值，保留优的，舍弃差的。

3. 部分代码展示

function [Best_Score,BestFit,Convergence_curve]=ISCSO(SearchAgents_no,Max_iter,lb,ub,dim,fobj)
BestFit=zeros(1,dim);
Best_Score=inf;
Positions=initialization(SearchAgents_no,dim,ub,lb);
Convergence_curve=zeros(1,Max_iter);
t=0;
p=[1:360];
while t<Max_iterfor i=1:size(Positions,1)Flag4ub=Positions(i,:)>ub;Flag4lb=Positions(i,:)<lb;Positions(i,:)=(Positions(i,:).*(~(Flag4ub+Flag4lb)))+ub.*Flag4ub+lb.*Flag4lb;fitness=fobj(Positions(i,:));% ★★改进3：最优邻域扰动策略★★Temp_best=...;if fitness<Best_ScoreBest_Score=fitness;BestFit=Positions(i,:);endend

4. 仿真结果展示

5. 资源获取

可以获取完整代码资源。

6. 参考文献

An Adaptive Sand Cat Swarm Algorithm Based on Cauchy Mutation and Optimal Neighborhood Disturbance Strategy, Xing Wang, Qian Liu and Li Zhang.