1.背景
2022年,E Trojovská等人受到自然社会行为启发,提出了斑马优化算法(Zebra Optimization Algorithm,ZOA)。
2.算法原理
2.1算法思想
ZOA模拟了斑马觅食策略和防御策略,实现位置更新求解待优化问题。
2.2算法过程
觅食行为
斑马成员根据斑马在搜索牧草时的行为进行位置更新。ZOA将斑马群体中具有最佳位置的成员视为先锋斑马,先锋斑马带领其他群体成员向搜索空间中更好的位置移动。
x
i
,
j
n
e
w
,
P
1
=
x
i
,
j
+
r
⋅
(
P
Z
j
−
I
⋅
x
i
,
j
)
X
i
=
{
X
i
n
e
w
,
P
1
,
F
i
n
e
w
,
P
1
<
F
i
X
i
,
F
i
n
e
w
,
P
1
≥
F
i
(1)
\begin{gathered} x_{i,j}^{new,P1}=x_{i,j}+r\cdot(PZ_{j}-I\cdot x_{i,j}) \\ X_{i}=\begin{cases}X_{i}^{new,P1}&, F_{i}^{new,P1}<F_{i}\\X_{i}&, F_{i}^{new,P1}\geq F_{i}\end{cases} \end{gathered}\tag{1}
xi,jnew,P1=xi,j+r⋅(PZj−I⋅xi,j)Xi={Xinew,P1Xi,Finew,P1<Fi,Finew,P1≥Fi(1)
其中,PZ为先锋斑马位置,I 为种群变化控制参数。
防御策略
斑马的防御策略因捕食者而异:(i)狮子攻击斑马,斑马采取曲折或随机的移动模式逃跑;(ii)其他捕食者攻击斑马,斑马采取聚集的方式迷惑或恐吓捕食者。假设上述两种情形发生概率相同,则在防御策略阶段,斑马利用下式更新位置:
x
i
,
j
n
e
w
,
P
2
=
{
S
1
:
x
i
,
j
+
R
⋅
(
2
r
−
1
)
⋅
(
1
−
t
T
)
⋅
x
i
,
j
,
P
s
≤
0.5
S
2
:
x
i
,
j
+
r
⋅
(
A
Z
j
−
I
⋅
x
i
,
j
)
,
P
s
>
0.5
X
i
=
{
X
i
n
e
w
,
P
2
,
F
i
n
e
w
,
P
2
<
F
i
X
i
,
F
i
n
e
w
,
P
2
≥
F
i
(2)
\begin{gathered}x_{i,j}^{new,P2}=\begin{cases}S_1:x_{i,j}+R\cdot(2r-1)\cdot(1-\dfrac{t}{T})\cdot x_{i,j} ,&P_s\leq0.5\\[2ex]S_2:x_{i,j}+r\cdot(AZ_j-I\cdot x_{i,j}) ,&P_s>0.5\end{cases}\\X_{i}=\begin{cases}X_i^{new,P2}&,&F_i^{new,P2}<F_i\\[2ex]X_i&,&F_i^{new,P2}\geq F_i\end{cases}\end{gathered}\tag{2}
xi,jnew,P2=⎩
⎨
⎧S1:xi,j+R⋅(2r−1)⋅(1−Tt)⋅xi,j,S2:xi,j+r⋅(AZj−I⋅xi,j),Ps≤0.5Ps>0.5Xi=⎩
⎨
⎧Xinew,P2Xi,,Finew,P2<FiFinew,P2≥Fi(2)
其中,Ps为[0,1]范围内选择逃跑或进攻的概率,AZ 为受攻击状态下的斑马位置。
伪代码
3.结果展示
4.参考文献
[1] Trojovská E, Dehghani M, Trojovský P. Zebra optimization algorithm: A new bio-inspired optimization algorithm for solving optimization algorithm[J]. IEEE Access, 2022, 10: 49445-49473.