【智能算法】人工生态系统优化算法（AEO）原理及实现

---

1.背景

2019年，Zhao等人受到地球生态系统能量流动启发，提出了人工生态系统优化算法（Artificial Ecosystem-based Optimization，AEO）。

2.算法原理

2.1算法思想

AEO通过生产者、消费者和分解者对生态系统中的生产、消费和分解行为进行模拟。生产算子旨在平衡勘探和开发能力，消费算子用于提升探索能力，分解算子旨在提高开发性能。

2.2算法过程

生产者：
生产者是适应度值最差的个体，分解者是适应度值最优的个体。生产者根据搜索空间的上下限和分解者进行位置更新：
$$\begin{array}{rl}{x}_1(t+1)=& (1-a)x_n(t)+a{x}_{rand}(t)\\ a=& (1-t/T)r_1\\ x_{rand}=& L+r(U-L)\end{array}\text{\hspace{1em}(1)}$$
消费者：
在生态系统中，消费者以相同的概率分为食草动物、食肉动物和杂食动物。在AEO中，引入消费因子 C：
$$\begin{array}{c}C=\frac{1}{2}\frac{v_1}{|v_2|}\\ v_1\sim N(0,1),v_2\sim N(0,1)\end{array}\text{\hspace{1em}(2)}$$
食草动物为只吃生产者的生物，位置更新方式:
$$x_i(t+1)=x_i(t)+C\cdot (x_i(t)-x_1(t)),i\in [2,\cdots ,n]\text{\hspace{1em}(3)}$$
食肉动物为只吃消费者的生物，位置更新方式:
$$\begin{array}{rl}& x_i(t+1)=x_i(t)+C\cdot (x_i(t)-x_j(t))\\ & i\in [3,\cdots ,n],j=randi([2i-1])\end{array}\text{\hspace{1em}(4)}$$
杂食动物既吃生产者又吃消费者，位置更新方式:
$$\begin{array}{rl}{x}_i(t+1)& =x_i(t)+C\cdot (r_2\cdot (x_i(t)-x_1(t))+(1-r_2)(x_i(t)-x_j(t)))\\ i& =3,\cdots ,n;j=randi([2i-1])\end{array}\text{\hspace{1em}(5)}$$
分解者：
在生态系统中，分解者为生产者提供养分。在AEO中，允许种群中的每个个体根据分解者生成每个个体的下一个位置。为了提高算法的性能，加入调节因子 D 和权重系数 e 、h 。分解者位置更新方式：
$$\begin{array}{c}{x}_i(t+1)=x_n(t)+D\cdot (e\cdot (x_n(t)-h\cdot x_i(t))),i=1,\cdots ,n\\ D=3u,u\sim N(0,1)\\ e=r_3\cdot randi([1,2])-1\\ h=2\cdot r_3-1\end{array}\text{\hspace{1em}(6)}$$

伪代码：

3.结果展示

4.参考文献

[1] Zhao W, Wang L, Zhang Z. Artificial ecosystem-based optimization: a novel nature-inspired meta-heuristic algorithm[J]. Neural Computing and Applications, 2020, 32(13): 9383-9425.