SCI四区|鳑鮍鱼优化算法（BFO）原理及实现【免费获取Matlab代码】

---

1.背景

2024年，L Zareian受到自然行为启发，提出了鳑鮍（páng pí）鱼优化算法（Bitterling Fish Optimization, BFO）。

2.算法原理

2.1算法思想

鳑鮍鱼是自然界中为了生存展示智能行为的典范，其采用牡蛎产卵策略作为其保姆。BFO模拟了鳑鮍鱼交配行为，雌性鳑鮍鱼寻找比其他鱼更强的雄性鱼来找到合适的配对。

2.2算法过程

搜索并捕获牡蛎

鳑鮍鱼可以搜索问题空间并找到合适的配对牡蛎，它会锁定一只牡蛎并朝向它移动:
$$F_i^{t+1}=\{\begin{array}{l}J.F_i^t+\left(F^{+}-J.F_i^t\right).\delta r\le P\\ J.F_i^t+\left(F^{\ast }-J.F_i^t\right).\delta r>P\end{array}\text{\hspace{1em}(1)}$$
其中，F*是最优解，J是鱼为了逃离或接近牡蛎而移动的步数或速度:
$$J(t)=\left(J(1)-\frac{J(1).t}{Maxt}\right).U(t)\text{\hspace{1em}(2)}$$
J(1)是每条鱼在初始迭代中的步长和跳跃值，随机函数U表述为:
$$U(t+1)=\cos (t\times {\cos }^{-1}(U(t)))\text{\hspace{1em}(3)}$$
参数p采用类似于arctan函数:
$$P=\left|1-\frac{t}{\sqrt{1+t^2}}\right|+\frac{rand}{t^a}\text{\hspace{1em}(4)}$$

逃跑行为

在鳑鮍鱼逃跑行为中，鳑鮍鱼位置:
$$F_i^{t+1}=\{\begin{array}{c}J.F_i^t+(F^{\ast }-J.M).\delta r\le 0.5\\ l+(u-l).\delta r>0.5\end{array}\text{\hspace{1em}(5)}$$

M为鱼群质心位置:
$$M=\frac{{\sum }_{i=1}^n{F}_i^t}{n}\text{\hspace{1em}(6)}$$

产卵行为

雄鱼发现牡蛎后，可以吸引雌鱼在牡蛎中产卵，雄鱼可以使卵受精，在现有的鱼周围产生新的鱼:
$$F_i^{t+1}=F_i^t+R\ast rand(0,1)\text{\hspace{1em}(7)}$$

狩猎行为

一些较弱的幼鱼可能会被牡蛎或捕食者捕食:
$$d(F_i^t)=\frac{f(F_i^t)}{{\sum }_{i=1}^{n}f(F_i^t)}\text{\hspace{1em}(8)}$$

伪代码

3.结果展示

4.参考文献

[1] Zareian L, Rahebi J, Shayegan M J. Bitterling fish optimization (BFO) algorithm[J]. Multimedia Tools and Applications, 2024: 1-34.

5.代码获取