【智能算法】圆圈搜索算法(CSA)原理及实现

本文介绍了2022年由MHQais等人提出的圆圈搜索算法(CSA),该算法利用圆的几何特性进行搜索,通过随机性和迭代策略避免局部最优。算法过程详细描述了如何更新搜索代理位置以及参数调整方法,结果显示算法在CEC2017-F8测试中表现出高效性能。
摘要由CSDN通过智能技术生成

在这里插入图片描述


1.背景

2022年,MH Qais等人受到圆圈集合特征启发,提出了圆圈搜索算法(Circle Search Algorithm, CSA)。

在这里插入图片描述
在这里插入图片描述

2.算法原理

2.1算法思想

CSA基于圆圈几何特征设计,圆具有各种特征,包括直径、中心、周长和切线,半径与切线段的比值是与正交半径相对的角的正交函数。CSA在一个随机圆圈内寻找最优解,以扩大搜索范围。以圆心为目标点,切线接触点与圆周长的夹角逐渐减小,直至接近圆心。为了避免陷入局部最优解,切线接触点的角度会随机改变。

在这里插入图片描述

2.2算法过程

根据评估的最佳位置Xc更新搜索代理Xt的位置:
X t = X c + ( X c − X t ) × tan ⁡ ( θ ) (1) \mathbf{X_t}=\mathbf{X_c}+(\mathbf{X_c}-\mathbf{X_t})\times\tan(\theta)\tag{1} Xt=Xc+(XcXt)×tan(θ)(1)
角θ在CSA的探索和开发中起平衡作用:
θ = { w × r a n d I t e r > ( c × M a x i t e r ) (escape from local stagnation) w × p otherwise (2) \theta=\left\{\begin{array}{ll}w\times rand&Iter>(\text{c}\times Maxiter)\text{(escape from local stagnation)}\\w\times p&\text{otherwise}\end{array}\right.\tag{2} θ={w×randw×pIter>(c×Maxiter)(escape from local stagnation)otherwise(2)
参数表述为:
w = w × r a n d − w a = π − π × ( I t e r M a x i t e r ) 2 p = 1 − 0.9 × ( I t e r M a x i t e r ) 0.5 (3) w=w\times rand-w\\a=\pi-\pi\times(\frac{Iter}{Maxiter})^{2}\\p=1-0.9\times(\frac{Iter}{Maxiter})^{0.5}\tag{3} w=w×randwa=ππ×(MaxiterIter)2p=10.9×(MaxiterIter)0.5(3)

流程图

在这里插入图片描述
伪代码

在这里插入图片描述

3.结果展示

使用测试框架,测试CSA性能 一键run.m

CEC2017-F8
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

4.参考文献

[1] Qais M H, Hasanien H M, Turky R A, et al. Circle search algorithm: A geometry-based metaheuristic optimization algorithm[J]. Mathematics, 2022, 10(10): 1626.

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小O的算法实验室

谢谢大佬的肯定!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值