【智能算法】鼠群优化算法（RSO）原理及实现

---

1.背景

2021年，G Dhiman等人受到鼠群自然行为启发，提出了鼠群优化算法（Rat Swarm Optimizer, RSO）。

2.算法原理

2.1算法思想

RSO模拟了鼠群的自然行为，主要包括追逐猎物和与猎物搏斗。

2.2算法过程

追逐猎物

老鼠是社会性动物，它们通过社会竞争行为在群体中追逐猎物。假设最佳搜索代理具有猎物位置的知识，其他搜索代理可以相对于迄今为止获得的最佳搜索代理更新其位置(领导者-跟随者)：
$$\vec{P}=A\cdot {\vec{P}}_i(x)+C\cdot ({\vec{P}}_r(x)-{\vec{P}}_i(x))\text{\hspace{1em}(1)}$$
其中，Pr为最优适应度老鼠，参数A,C表述为：
$$\begin{gathered} A=R-x\times (\frac{R}{Ma{x}_{Iteration}}) \\ C=2\cdot rand()\text{\hspace{1em}(2)} \end{gathered}$$

与猎物搏斗

老鼠战斗过程表述为：
$${\vec{P}}_i(x+1)=\mid {\vec{P}}_r(x)-\vec{P}\mid \text{\hspace{1em}(3)}$$

伪代码

3.结果展示

4.参考文献

[1] Dhiman G, Garg M, Nagar A, et al. A novel algorithm for global optimization: rat swarm optimizer[J]. Journal of Ambient Intelligence and Humanized Computing, 2021, 12: 8457-8482.