1.背景
2021年,Abualigah等人受到四则运算启发,提出了算术优化算法(Arithmetic OptimizationAlgorithm, AOA)。
2.算法原理
2.1算法思想
AOA灵感源自解决算术问题时使用的算术运算符,主要分为两个阶段:全局探索和局部开发。
- 全局探索阶段,使用具有高分散性的乘法或除法算子进行搜索
- 局部开发阶段,使用具有高密度性的减法或加法算子进行搜索
2.2算法过程
探索和开发阶段的切换由数学优化器加速函数 MOA 计 算 得 到 的 函 数 值 控 制,当r1 >MOA时,算法执行全局探索,当r1<MOA 时,算法执行局部开发。
M
O
A
(
t
)
=
M
i
n
+
t
∗
(
M
a
x
−
M
i
n
T
)
(1)
MOA\left(t\right.)=Min+t*\left(\frac{Max-Min}{T}\right)\tag{1}
MOA(t)=Min+t∗(TMax−Min)(1)
全局探索:
除法和乘法算子进行的数学计算可以得到符合全局探索机制的高分布
值或者决策:
x
i
,
j
(
t
+
1
)
=
b
e
s
t
x
j
÷
(
M
O
P
+
ε
)
∗
(
(
U
B
j
−
L
B
j
)
∗
μ
+
L
B
j
)
,
r
2
<
0.5
x
i
,
j
(
t
+
1
)
=
b
e
s
t
x
j
∗
M
O
P
∗
(
(
U
B
j
−
L
B
j
)
∗
μ
+
L
B
j
)
,
otherwise
(2)
x_{i,j}\left(t+1\right)=bestx_j\div(MOP+\varepsilon)*((UB_j-LB_j)*\mu+LB_j),r_2<0.5\\ x_{i,j}\left(t+1\right)=bestx_j*MOP*((UB_j-LB_j)*\mu+LB_j),\text{otherwise}\tag{2}
xi,j(t+1)=bestxj÷(MOP+ε)∗((UBj−LBj)∗μ+LBj),r2<0.5xi,j(t+1)=bestxj∗MOP∗((UBj−LBj)∗μ+LBj),otherwise(2)
MOP 为数学优化器概率,表述为:
M
O
P
(
t
)
=
1
−
t
1
α
T
1
α
(3)
MOP\left(t\right.)=1-\frac{t^{\frac1\alpha}}{T^{\frac1\alpha}}\tag{3}
MOP(t)=1−Tα1tα1(3)
局部探索:
减法和加法算子进行的数学计算可以得到高密度值,有利于算法的局
部开发:
x
i
,
j
(
t
+
1
)
=
l
e
f
t
(
b
e
s
t
x
j
−
M
O
P
∗
(
(
U
B
j
−
L
B
j
)
∗
μ
+
L
B
j
)
,
r
3
<
0.5
x
i
,
j
(
t
+
1
)
=
l
e
f
t
(
b
e
s
t
x
j
+
M
O
P
∗
(
(
U
B
j
−
L
B
j
)
∗
μ
+
L
B
j
)
,
o
t
h
e
r
w
i
s
e
(4)
x_{i,j}\left(t+1\right)=left(bestx_j-MOP*((UB_j-LB_j)*\mu+LB_j),r_3<0.5\\ x_{i,j}\left(t+1\right)=left(bestx_j+MOP*((UB_j-LB_j)*\mu+LB_j),otherwise\tag{4}
xi,j(t+1)=left(bestxj−MOP∗((UBj−LBj)∗μ+LBj),r3<0.5xi,j(t+1)=left(bestxj+MOP∗((UBj−LBj)∗μ+LBj),otherwise(4)
伪代码:
3.结果展示
4.参考文献
[1] Abualigah L, Diabat A, Mirjalili S, et al. The arithmetic optimization algorithm[J]. Computer methods in applied mechanics and engineering, 2021, 376: 113609.