SCI二区TOP|麋鹿群优化算法: 一种新颖的受自然启发的元启发式算法

---

1.背景

2024年，SO Oladejo受到麋鹿群的繁殖过程启发，提出了麋鹿群优化算法（Elk herd optimizer, EHO）。

2.算法原理

2.1算法思想

EHO灵感来自麋鹿群的繁殖过程，主要分为发情季节和产犊季节。

2.2算法过程

发情季节

在发情期，根据发情期公鹿率(Br)来划分家族。总家族数计算为B = |Br × EHS|。根据它们的适应度值从EH中选出公鹿，数目为B的最优适应度的鹿被认为是公鹿:
$$\mathcal{B}=\arg \underset{j\in (1,2,\dots ,B)}{\min }f(x^j)\text{\hspace{1em}(1)}$$

在B集合中的公鹿随后会争斗以创建家族。为了将后宫分配给B中的每个公鹿，使用轮盘赌选择法，其中后宫根据其适应度值与总适应度值的比例分配给各自的公鹿:
$$p_j=\frac{f(x^j)}{{\sum }_{k=1}^{B}f(x^k)}\text{\hspace{1em}(2)}$$

产犊季节

在产犊季节，每个家族的小鹿主要根据其父亲和母亲的属性繁殖。如果小鹿与家族种父亲具有相同指数：
$$x_i^j(t+1)=x_i^j(t)+\alpha \cdot (x_i^k(t)-x_i^j(t))\text{\hspace{1em}(3)}$$
其中， α是继承属性的比率，α 的较高值会增加随机元素参与新小牛的可能性，这反过来又增强了多样性。如果小鹿与家族母亲具有相同指数：
$$x_i^j(t+1)=x_i^j(t)+\beta (x_i^{h_j}(t)-x_i^j(t))+\gamma (x_i^r(t)-x_i^j(t))\text{\hspace{1em}(4)}$$

选择季节

所有家族合并成一个矩阵EHtemp，EHtemp中的麋鹿将根据它们的适应度值按升序排序。

流程图

伪代码

3.结果展示

论文结果展示

4.参考文献

[1] Al-Betar M A, Awadallah M A, Braik M S, et al. Elk herd optimizer: a novel nature-inspired metaheuristic algorithm[J]. Artificial Intelligence Review, 2024, 57(3): 48.

5.代码获取