蛇优化算法

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

蛇优化算法

蛇优化算法（SO）主要是来源于蛇的交配行为。通过当前环境的温度、食物判断个体的下一步行为。
（1）当前食物不足时，个体搜索食物。

（2）当食物充足（>0.25），温度低(<0.6)时，个体进行战斗模式/交配模式

（3）当食物充足(>0.25)，温度高(>=0.6)时，个体靠近食物

算法流程图

初始化

该算法将群体分为2个数量相同的雄性和雌性群体。
eq：
Nm表示雄性个体的数目，Nf表示雌性个体的数目

进化操作

计算食物Q

计算温度

搜索阶段（无食物）——全局搜索

当无食物的时候**（Q<0.25），蛇随机选择**位置进行移动。

雄性个体的位置移动：

雌性个体的位置移动：

雄性、雌性发现个体的能力

搜索阶段（有食物）——局部搜索

**（1）**Q>=0.25，且Temp>0.6时
个体向食物（最好的个体）靠近。

(2)Q>=0.25,Temp<0.6时，个体进入战斗或交配模式

战斗模式

雄性个体的位置更新

雌性个体的位置更新

雄性、雌性战斗力

交配模式

雄性个体的位置更新：

雌性个体的位置更新

雄性、雌性个体的交配能力

如果孵化出个体，替换雄和雌个体最差的个体

备注

在进行代码复现的时候，觉得在个体在搜索食物——全局搜索中，雌性个体的更新位置有些奇怪，

**雌性个体的更新位置和雄性不同，**这点不知道是什么意思。

测试结果

在代码复现解决F1~F11测试问题时，出现较多测试问题效果不佳的情况，希望大家能给点意见，比如：全局搜索时雌性个体的位置更新是如何的？

function my_fitness=my_function(X)


% n = size(X,2); %计算x的维度
% f = 0;
% for i = 1:n
%     f = f+(X(i).^2).^2;
% end
% my_fitness = f;

o=sum(X.^4);
my_fitness=o;


%F1测试问题[-100,100] min=0
% o=sum(X.^2);
% my_fitness=o;

%F2测试问题[-10,10] min=0;
% o=sum(abs(X))+prod(abs(X));
% my_fitness=o;


%F3测试问题——结果极差 min=0
% dim=size(X,2);
% o=0;
% for i=1:dim
%     o=o+sum(X(1:i))^2;
% end
% my_fitness=o;

%F4测试问题——结果极差[100,100] min=0
% o=max(abs(X));
% my_fitness=o;

%F5测试问题[-30,30] min=0
% dim=size(X,2);
% my_fitness=sum(100*(X(2:dim)-(X(1:dim-1).^2)).^2+(X(1:dim-1)-1).^2);

%F6测试问题[-100,100] min=0
% o=sum(abs((X+.5)).^2);
% my_fitness=o;

%F7测试问题[-1.28,1.28]——测试结果不佳 min=0
% dim=size(X,2);
% o=sum([1:dim].*(X.^4))+rand;
% my_fitness=o;

%F8测试问题(多峰)[-500,500]——测试结果不佳 min=-12569.5
% o=sum(-X.*sin(sqrt(abs(X))));
% my_fitness=o;

%F9测试问题  [-5.12,5.12]——测试结果不佳  min=0
% dim=size(X,2);
% o=sum(X.^2-10*cos(2*pi.*X))+10*dim;
% my_fitness=o;

%F10测试问题[-32,32]——测试结果不佳 min=0
% dim=size(X,2);
% o=-20*exp(-.2*sqrt(sum(X.^2)/dim))-exp(sum(cos(2*pi.*X))/dim)+20+exp(1);
% my_fitness=o;

%F11测试问题[-600,600] min=0
% dim=size(X,2);
% o=sum(X.^2)/4000-prod(cos(X./sqrt([1:dim])))+1;
% my_fitness=o;


end