一、背景
冠豪猪优化器(Crested Porcupine Optimizer, CPO)由Abdel-Basset等人于2024年1月提出,发表在中科院1区SCI期刊Knowledge-Based Systems上。
文中从冠豪猪的各种防御行为出发,提出了一种基于自然启发的元启发式优化算法——冠豪猪优化器(Crested Porcupine Optimizer, CPO),用于精确优化各种优化问题,特别是大规模优化问题。从最不具攻击性到最具攻击性,
冠豪猪使用四种不同的保护机制:视觉、声音、气味和身体攻击。第一和第二防御策略(视觉和声音)反映了CPO的探索性行为,而第三和第四防御策略(气味和身体攻击)反映了CPO的剥削性行为。该算法提出了一种新的策略,称为循环种群减少技术,以模拟并非所有CPs都激活其防御机制,而只有那些受到威胁的CPs才会激活它们的防御机制。这一策略促进了收敛速度和种群多样性。
利用CEC的三个基准(CEC2014、CEC2017和CEC2020)对CPO进行了验证,统计分析显示,CPO可以被提名为高性能优化器,因为在三个经过验证的CEC基准测试中,与所有竞争的优化器相比,它在大多数测试功能上的性能要优越得多。在数量上,CPO可以实现比竞争对手优化器的改进率,CEC2017的百分比高达83%,CEC2017的百分比为70%,CEC2020的百分比为90%,六个实际工程问题的百分比为100%。
二、算法原理
1、算法思想
算法采用了探索和开发的机制。
第一和第二防御策略(即视觉和声音)代表CPO的探索性行为,
第三和第四防御策略(即气味和身体攻击)代表CPO的开发行为。
2、探索阶段:视觉和声音防御策略
视觉策略和声音策略,是指对不同区域进行调查,致力于(全局)勘探搜索。视觉和声音策略使CP可以吓唬捕食者远离它们,这与气味和身体攻击的策略不同,捕食者离得很近。利用这些防御机制,我们试图模拟CP在实施防御行为后从捕食者释放的反应,以探索到达有希望区域的搜索空间,这可能涉及到接近最优解。
3、开发阶段:气味防御策略和物理攻击防御策略。
CP会分泌一种恶臭,在周围区域传播,以防止捕食者接近它。该策略中另一个重要的因子是气味扩散因子,它控制着优化过程中的气味扩散速率。根据Eq.(10),该因子的取值范围在0.3到2.6之间,如果该因子的值很小,则扩散速率极小,因此开采在随机选择的解附近,相反,如果这些值高,则气味扩散速率高,因此在远离随机选择的溶液的地方进行开发。
当捕食者离它很近时,CP会用短而厚的羽毛攻击它。在物理攻击中,两个物体强烈融合,代表一维的非弹性碰撞。
三、实现CPO优化
在探索阶段,在τ6 < τ7时进行视觉防御策略和声音防御策略的权衡,其中 τ6 和 τ7是在0和1之间随机生成的两个值。在开发阶段,当 τ8 < Tf 时执行气味防御策略;否则,执行物理攻击防御策略。Tf 是一个介于0和1之间的预定常数,用于权衡局部利用(第三种防御机制)和全局利用(第四种防御机制);该因子的小值可能会导致停滞在局部极小值,而大值可能会导致收敛速度减慢。因此,为了得到该参数的最优值,后续还需要进行大量的实验。为了简化,总结了CP位置更新的数学公式:
%%有需要的友友们关注 面包多 、 微信公众号、CSDN :一个专业的算法研究员,获取更多!