海市蜃楼算法FATA: 基于地球物理学的高效优化方法_fata: an efficient optimization method based on ge-CSDN博客

本文链接：https://blog.csdn.net/Logic_9527/article/details/141335083

1.背景

2024年，A Qi受到海市蜃楼形成过程启发，提出了海市蜃楼算法（Fata Morgana Algorithm, FATA）。

在这里插入图片描述

2.算法原理

2.1算法思想

FATA模拟了海市蜃楼形成过程，其分别设计了海市蜃楼光过滤原理(MLF)和光传播策略(LPS)。MLF策略结合定积分原理，推动算法种群增强FATA的探索能力。LPS策略结合三角函数原理，推动算法个体提高算法的收敛速度和开发能力，这两种搜索策略可以更好地利用FATA的种群和个体搜索能力。

在这里插入图片描述

2.2算法过程

海市蜃楼滤光原理

在这里插入图片描述
FATA使用定积分原理进行种群搜索的策略。在模拟海市蜃楼形成的过程中，算法区分了两种光线：一种是普通光，不参与海市蜃楼的形成；另一种是能够形成海市蜃楼的特殊光线，称为海市蜃楼光x。FATA算法通过定积分原理评估这两种光的种群质量，进而选择优质的海市蜃楼光进行进一步的搜索和优化。该策略不仅区分了不同类型的光线种群，还通过计算积分面积作为适应度衡量，有效提升了算法在探索和利用方面的能力：
在这里插入图片描述
伪代码实现：

光的传播原理

在FATA算法中，光传播原理是继海市蜃楼光过滤原理之后实施的，主要用作算法的个体搜索策略，专注于搜索空间中的局部开发，以寻找局部最小值。该策略首先通过海市蜃楼光过滤策略，基于微积分原理评估和筛选光种群，选出有助于形成海市蜃楼现象的个体。经过筛选的光种群随后会经历折射和反射过程，这些过程中光线的方向和大小会发生变化，从而影响算法的搜索效果和效率。此外，算法还根据光传播原理与三角函数的结合，设计了个体搜索策略，通过不同阶段的反射和折射策略，进一步优化搜索结果，有效地在搜索空间中执行局部开发，寻找到最优解：

在这里插入图片描述
光的折射（第一阶段）
光x在第一阶段的折射过程中进入具有不均匀密度的介质，从光学密介质传播到光学稀薄介质，改变了光的方向和大小: