【智能算法】猫鼬优化算法（MOA）原理及实现

---

1.背景

2023年，S Xian受到自然界猫鼬生存行为启发，提出了猫鼬优化算法（Meerkat Optimization Algorithm, MOA）。

2.算法原理

2.1算法思想

MOA通过模拟猫鼬的行为模式来实现优化。猫鼬生活在群体中，其生存依赖于协作和互助，其中哨兵猫鼬负责监视周围环境并警告群体成员，使其能够适时地采取行动以应对外部威胁或变化。

2.2算法过程

种群初始化

$$X_i^t=rando{m}_{normal}(loc=0.5,scale=0.3)\ast (ub-lb)+lb\text{\hspace{1em}(1)}$$
其中𝑟𝑎𝑛𝑑𝑜𝑚𝑛𝑜𝑟𝑚𝑎𝑙为正态分布随机数，默认标准差为0.3。

狩猎活动和警惕性

猫鼬根据捕食者和警报的存在与否来选择行为，在rand < sentry(默认为0.3)的安全条件下，猫鼬个体以相同的概率狩猎或寻找食物，并以以下形式进行全局搜索:
$$\begin{array}{rl}& direct=X_i^0\\ & \mathrm{step}=(1-\mathrm{t}/\mathrm{T}))\ast \mathrm{r}\\ & X_i^{t+1}=X_i^t+step\ast direct\end{array}\text{\hspace{1em}(2)}$$
当P<Rand时，狐獴在初始位置的基础上向外扩展搜索范围，寻找食物，观察天敌。
$$X_i^{t+1}=X_i^t+step\ast (X_j^t-(rand+0.5)\ast X_i^t)\text{\hspace{1em}(3)}$$
在另一种情况下，猫鼬在搜索过程中随机发现其他同伴，并接近它们进行协同狩猎，其中𝑋𝑗是除了自己之外随机选择的个体。

逃跑或与敌人战斗

在rand>sentry紧急情况下，猫鼬会寻找天敌或灾害，并发出警告，让猫鼬个体避难或反击。
$$\begin{array}{rl}& \mathrm{div}=\mathrm{rand}+0.1\\ & X_{emergency}^t=X_i^t+(2\ast rand\ast X_{gb}^t-X_i^t)\\ & X_i^{t+1}=X_{emergency}^t\end{array}\text{\hspace{1em}(4)}$$
恐吓敌人:
$$X_i^{t+1}=div\ast X_i^t-(2\ast rand\ast X_{gb}^t-X_i^t)\text{\hspace{1em}(5)}$$

随机方向探测

为了找到尽可能多的食物，猫鼬群体在每次迭代中都有一定的机会向随机方向探索，这有助于跳出局部最优，找到更好的食物资源。
$$X_i^{t+1}=X_i^t+(2\ast rand-1)\ast (X_i^t+rand\ast s)\ast step\text{\hspace{1em}(6)}$$
其中，step是Levy飞行步长。

伪代码

3.结果展示

4.参考文献

[1] Xian S, Feng X. Meerkat optimization algorithm: A new meta-heuristic optimization algorithm for solving constrained engineering problems[J]. Expert Systems with Applications, 2023, 231: 120482.

5.代码获取