【智能算法】乌鸦搜索算法（CSA）原理及实现

---

1.背景

2016年，Askarzadeh等人受到乌鸦觅食自然行为启发，提出了乌鸦搜索算法（Crow Search Algorithm, CSA）。

2.算法原理

2.1算法思想

CSA模拟了乌鸦进行觅食和藏匿食物的两种行为，CSA具有控制参数较少、 结构简单、 易于掌握且全局搜索能力强等优点。

2.2算法过程

在每次迭代中，每只乌鸦都会保存自己隐藏食物的位置，用m表示，这个位置代表了乌鸦当前所认为的最佳位置。当算法进行迭代时，乌鸦会在搜索空间中通过跟踪其他乌鸦来获得更好的位置。具体地，在第gen次迭代时，当乌鸦j准备去查看自己的食物时，乌鸦i决定跟踪乌鸦j以获取其隐藏食物的位置。此时，会有两种情况发生：

• 乌鸦 j 没有发现乌鸦 i 在跟踪它。那么, 乌鸦 i 就会一直跟随乌鸦 j 直到到达它隐藏食物的位置
• 乌鸦 j 发现了乌鸦 i 在跟踪它。此时, 乌鸦 j 会随机飞到一个位置, 以保护自己的食物

$$x_i^{gen+1}=\{\begin{array}{ll}{x}_i^{gen}+r_i\times F{L}_i^{gen}(m_j^{gen}-x_i^{gen}),& \text{if}{a}_j⩾A{P}_j^{gen}\\ \text{a random position},& \text{otherwise}\end{array}\text{\hspace{1em}(1)}$$
CSA首先随机生成每只乌鸦的初始位置，并将这些位置设定为它们的初始记忆。在每次迭代中，每只乌鸦会随机选择一只乌鸦进行跟踪，来更新乌鸦的位置并利用适应度函数fit来评估乌鸦的新位置。如果新位置更加优秀，则将乌鸦隐藏食物的位置改变为新位置，即更新乌鸦的记忆。
$$m_i^{gen+1}=\{\begin{array}{ll}{x}_i^{gen+1},& \text{if}fit(x_i^{gen})\text{is better than }fit(m_i^{gen})\\ m_i^{gen},& \text{otherwise}\end{array}\text{\hspace{1em}(2)}$$
伪代码：

3.结果展示

4.参考文献

[1] Askarzadeh A. A novel metaheuristic method for solving constrained engineering optimization problems: crow search algorithm[J]. Computers & structures, 2016, 169: 1-12.