文章目录
- 【`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
- 2.2 Cauchy变异策略
- 2.3 最优邻域扰动策略
- 3. 部分代码展示
- 4. 仿真结果展示
- 5. 资源获取
- 6. 参考文献
【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.