【智能算法】袋獾优化算法（TDO）原理及实现

---

1.背景

2022年，M Dehghani等人受到袋獾觅食行为启发，提出了袋獾优化算法（Tasmanian Devil Optimization，TDO）。

2.算法原理

2.1算法思想

TDO中袋獾任意选择吃腐肉或者打猎作为自己的进食方式。每次迭代时，袋獾选择这两
种方式中的一种进行更新，假设选择其中一种方法的概率为 50%。

2.2算法过程

食腐

每个袋獾所对应的腐肉位置，是以种群中其他袋獾在空间中的位置来假定的。第 i 个袋獾的腐肉位置为第 m 个袋獾的位置：
a i = X m , i = 1 , 2 , ⋯   , N , m ∈ { 1 , 2 , ⋯   , N , ∣ m ≠ i } (1) a_i=X_m,i=1,2,\cdots,N,m\in\{1,2,\cdots,N,|m\neq i\}\tag{1} ai​=Xm​,i=1,2,⋯,N,m∈{1,2,⋯,N,∣m=i}(1)
其中，ai 是第 i 个袋獾所选的腐肉。
在袋獾的运动中，如果腐肉的适应度值较好，袋獾就会靠近腐肉，反之会远离。在计算出袋獾的新位置后，比较适应度值判断新位置是否取代旧位置：
$$\begin{array}{rl}{x}_{i,j}^{\mathrm{new},E1}& =\{\begin{array}{llc}{x}_{i,j}+r^{\ast }& (a_{i,j}-C^{\ast }{x}_{i,j})& F_{a_i}<F_i\\ & & \\ x_{i,j}+r^{\ast }& (x_{i,j}-a_{i,j})& \text{otherwis}\end{array}\\ & X_i=\{\begin{array}{ll}{X}_i^{\mathrm{new},E1}& F_i^{\mathrm{new},E1}<F_i\\ & \\ X_i& \text{otherwise}\end{array}\end{array}\text{\hspace{1em}(2)}$$

狩猎

袋獾的狩猎行为可分为两阶段：搜索与攻击，以及接近、跟踪与捕食。在第一阶段中，袋獾搜索空间，找到猎物并发起攻击。而第二阶段则包括接近猎物、跟踪并捕食。
b i = X m , i = 1 , 2 , ⋯   , N , m ∈ { 1 , 2 , ⋯   , N , ∣ m ≠ i } (3) b_i=X_m,i=1,2,\cdots,N,m\in\{1,2,\cdots,N,|m\neq i\}\tag{3} bi​=Xm​,i=1,2,⋯,N,m∈{1,2,⋯,N,∣m=i}(3)
在袋獾的运动中，如果腐肉的适应度值较好，袋獾就会靠近腐肉，反之会远离。在
$$\begin{array}{c}{x}_{i,j}^{\mathrm{new},E2}=\{\begin{array}{ll}{x}_{i,j}+r^{\ast }(b_{i,j}-C^{\ast }{x}_{i,j})& F_{b_i}<F_i\\ x_{i,j}+r^{\ast }(x_{i,j}-b_{i,j})& \mathrm{otherwise}\end{array}\\ X_i=\{\begin{array}{ll}{X}_i^{\mathrm{new},E2}& F_i^{\mathrm{new},E2}<F_i\\ X_i& \mathrm{otherwise}\end{array}\end{array}\text{\hspace{1em}(4)}$$
第二阶段，以袋獾的位置为中心，领域的半径就是袋獾跟踪猎物的范围:
$$\begin{array}{c}R=0.01\left(\begin{array}{c}1-\frac{t}{T}\end{array}\right)\\ X_{i,j}^{\mathrm{new}}=x_{i,j}+(\begin{array}{c}2r-1)\end{array}\ast R^{\ast }{x}_{i,j}\\ X_i=\{\begin{array}{ll}{X}_i^{\text{new}}& F_i^{\text{new}}<F_i\\ X_i& \text{otherwise}\end{array}\end{array}\text{\hspace{1em}(5)}$$

伪代码

3.结果展示

4.参考文献

[1] Dehghani M, Hubálovský Š, Trojovský P. Tasmanian devil optimization: a new bio-inspired optimization algorithm for solving optimization algorithm[J]. IEEE Access, 2022, 10: 19599-19620.