【智能算法】狐狸优化算法（FOX）原理及实现

最新推荐文章于 2024-05-21 09:00:26 发布

小O的算法实验室

最新推荐文章于 2024-05-21 09:00:26 发布

阅读量1.5k

点赞数 17

分类专栏：智能算法文章标签：智能算法算法

本文链接：https://blog.csdn.net/Logic_9527/article/details/137191546

版权

智能算法专栏收录该内容

310 篇文章 15 订阅

订阅专栏

本文介绍了由HMohammed等人提出的狐狸优化算法（FOX），模仿狐狸捕猎过程中的行为，包括随机搜索、声音传播距离计算和位置更新策略。算法通过概率选择跳跃方向，控制搜索效率，适用于解决优化问题。

摘要由CSDN通过智能技术生成

在这里插入图片描述

1.背景

2023年，H Mohammed等人受到狐狸猎食过程启发，提出了狐狸优化算法（Fox Optimizer, FOX）。

2.算法原理

2.1算法思想

FOX模仿了狐狸潜入雪中捕猎猎物的行为，具体步骤：

当地面被雪覆盖时，雪会阻挡猎物的视线，狐狸会尝试随机搜索猎物
狐狸通过听到猎物发出的超声波来找到猎物，它需要一些时间来接近猎物
通过听到猎物的声音和时间差，狐狸可以确定自己与猎物之间的距离
确定距离后，狐狸估计需要跳跃来捕捉猎物
根据最小时间和最佳位置，狐狸随机行走

在这里插入图片描述

2.2算法过程

开发阶段：

考虑到了捕杀猎物的机会，若随机数p大于0.18，则需要狐狸找到新的位置。为了确定新位置，需要计算声音传播距离：
$Dist\_S\_T_{it}=Sp\_S*Time\_S\_T_{it}\tag{1}$

最佳位置找到声音速度𝑆𝑝_𝑆:
$Sp_{-}S=\frac{BestPosition_{it}}{Time_{-}S_{-}T_{it}}\tag{2}$
在物理学中计算传感器与物体之间的距离时，声音传播的距离除以2，因为传感器与物体之间的距离是通过声波找到的距离的一半:
$Dist\_Fox\_Prey_{it}=Dist\_S\_T_{it}*0.5\tag{3}$
在这里插入图片描述

在找到狐狸和猎物之间的距离后，需要找到一个新位置，以便狐狸要跳跃来捕捉猎物。狐狸需要计算跳跃高度𝐽𝑢𝑚𝑝𝑖𝑡：
$Jump_{it}=0.5*9.81*t^{2}\tag{4}$
c1,c2 的值分别为 0.18 和 0.82，如果 p 值大于 0.18，则表示红狐向东北方向跳跃。𝐷𝑖𝑠𝑡_𝐹𝑜𝑥_𝑃𝑟𝑒𝑦𝑖𝑡 和 𝐽𝑢𝑚𝑝𝑖𝑡 都将乘以 c1。此时利用新位置的机会很大，狐狸向全局最优解前进。如果 p 值小于 0.18，则狐狸向相反方向跳跃，这意味着捕杀猎物的机会很低，𝐷𝑖𝑠𝑡_𝐹𝑜𝑥_𝑃𝑟𝑒𝑦𝑖𝑡 和 𝐽𝑢𝑚𝑝𝑖𝑡 都将乘以c2。
$X_{(it+1)}=Dist\_Fox\_Prey_{it}{}^{*}Jump_{it}{}^{*}c_{1}\\ X_{(it+1)}=Dist\_Fox\_Prey_{it}{}^{*}Jump_{it}{}^{*}c_{2}\tag{5}$

探索阶段：

为了控制随机行走，在这个阶段，狐狸根据迄今为止找到的最佳位置随机搜索。在这个阶段，狐狸没有跳跃技术，因为它必须随机行走以探索搜索区域中的猎物。为了确保狐狸朝着最佳位置随机行走，使用了最小时间变量 𝑀𝑖𝑛𝑇 和变量 a 来控制搜索：
$tt=\frac{sum\left(Time_{S_{Tit}}\left(i,:\right)\right)}{dimension},\quad MinT=Min(tt)\tag{6}$
参数a表述为：
$a=2*(it-\Big(\frac{1}{Max_{it}}\Big))\tag{7}$
狐狸位置更新为：
$X_{(it+1)}=BestX_{it}*rand(1,dimension)*MinT*a\tag{8}$