【智能算法】沙猫群优化算法（SCSO）原理及实现

---

1.背景

2022年，A Seyyedabbasi等人受到自然界中沙猫生存行为启发，提出了沙猫群优化算法（Sand Cat Swarm Optimization, SCSO）。

2.算法原理

2.1算法思想

SCSO模仿自然界中沙猫生存行为，主要分为探索阶段和开发阶段。

2.2算法过程

探索阶段：

假设沙猫的敏感性范围为0～2 kHz。探索阶段主要依靠随机向量 R 寻找猎物，当 |R| > 1时，进行探索阶段。听觉范围 rG 的表达式：
$$r_G=s_M\left(\frac{s_M\times t}{t_{max}}\right)\text{\hspace{1em}(1)}$$
参数R和r表述为：
$$\begin{gathered} R=2\times r_{\mathrm{c}}\times \mathrm{rand}(0,1)-r_{\mathrm{c}} \\ r=r_c\times \mathrm{rand}(0,1)\text{\hspace{1em}(2)} \end{gathered}$$
位置更新为：
$$X(t+1)=r\times \left(X_{\mathrm{bc}}(t)-\mathrm{rand}(0,1)\times X(t)\right)\text{\hspace{1em}(3)}$$
其中，sM 用来模拟沙猫的听力，其值设为2，rG 表示沙猫的听觉范围。

开发阶段：

当 |R| ≤ 1 时，进行开发阶段。此阶段沙猫发现猎物，开始捕食。主要是通过最优位置与当前位置之间的距离差完成位置更新。随机位置向量Xrnd 的定义式：
$$X_{\mathrm{rnd}}=\left|\left(\mathrm{rand}(0,1)\times G_{\mathrm{best}}-X(t)\right)\right|\text{\hspace{1em}(4)}$$
位置更新:
$$X(t+1)=\left(\begin{array}{c}{G}_{\mathrm{best}}-r\times X_{\mathrm{rod}}\times \cos \theta \end{array}\right)\text{\hspace{1em}(5)}$$
其中，Xrnd 表示随机的位置向量，Gbest 为当前种群中的最佳个体的位置向量，θ 为沙猫灵敏度范围圆上的随机角度。

伪代码：

3.结果展示

4.参考文献

[1] Seyyedabbasi A, Kiani F. Sand Cat swarm optimization: A nature-inspired algorithm to solve global optimization problems[J]. Engineering with Computers, 2023, 39(4): 2627-2651.