1.摘要
本文提出了一种新型的基于循环系统优化算法(CSBO),其灵感来自人体血管的肺循环和体循环。CSBO算法旨在解决越来越复杂的优化问题,并通过避免陷入局部最优点,获得最优解。CSBO在各种复杂的现实世界问题中表现出色,与标准的元启发式算法进行对比验证,结果显示其优越性。
2.算法原理
血液在静脉中流动
CSBO算法模拟了血液在压力作用下朝着更优方向移动的过程,从而逐步降低目标函数值。心脏动脉的堵塞被类比为算法陷入局部最优解的情况,通过模仿循环系统的持续循环,CSBO算法能够避免这一问题,并持续进行优化:
B
M
i
n
e
w
=
B
M
i
+
K
i
1
×
p
i
×
(
B
M
i
−
B
M
1
)
+
K
23
×
p
i
×
(
B
M
3
−
B
M
2
)
K
i
j
=
F
(
B
M
j
)
−
F
(
B
M
i
)
∣
F
(
B
M
j
)
−
F
(
B
M
i
)
∣
+
ε
=
{
1
;
F
(
B
M
i
)
<
F
(
B
M
j
)
−
1
;
F
(
B
M
i
)
>
F
(
B
M
j
)
0
;
F
(
B
M
i
)
=
F
(
B
M
j
)
\begin{aligned} BM_{i}^{new}& =BM_{i}+K_{i1}\times p_{i}\times(BM_{i}-BM_{1}) \\ &+K_{23}\times p_{i}\times(BM_{3}-BM_{2}) \\ K_{ij}& =\frac{F(BM_{j})-F(BM_{i})}{|F(BM_{j})-F(BM_{i})|+\varepsilon} \\ &=\begin{cases}1;F(BM_i)<F(BM_j)\\-1;F(BM_i)>F(BM_j)\\0;F(BM_i)=F(BM_j)\end{cases} \end{aligned}
BMinewKij=BMi+Ki1×pi×(BMi−BM1)+K23×pi×(BM3−BM2)=∣F(BMj)−F(BMi)∣+εF(BMj)−F(BMi)=⎩
⎨
⎧1;F(BMi)<F(BMj)−1;F(BMi)>F(BMj)0;F(BMi)=F(BMj)
其中, K i j K_{ij} Kij决定血液流动方向, p i p_i pi决定了位移大小并在每个循环周期中朝着更优的值移动。
肺循环中的群体或血液流动
在 CSBO 算法中,肺循环部分对应优化过程中的较弱个体。每次迭代时,算法会对这些较弱个体进行排序,并将数量为 NR 的个体送入肺循环,模拟缺氧血液进入肺部获取氧气的过程,从而提升其性能:
B
M
i
n
e
w
=
B
M
i
+
(
r
a
n
d
n
i
t
)
×
r
a
n
d
c
(
1
,
D
)
BM_i^{new}=BM_i+\left(\frac{randn}{it}\right)\times randc(1,D)
BMinew=BMi+(itrandn)×randc(1,D)
其中,randc表示柯西概率分布的随机向量,肺循环对
p
i
p_i
pi进行调整:
p
i
=
r
a
n
d
(
1
,
D
)
p_i=rand(1,D)
pi=rand(1,D)
体循环中的群体或血液流动
在 CSBO 算法中,数量为
N
R
NR
NR的最弱个体会进入肺循环,而适应值较好的其余个体
N
L
=
N
p
o
p
−
N
R
NL = Npop - NR
NL=Npop−NR则以新的数量进入体循环,从而在体内进行有效循环:
B
M
i
,
j
n
e
w
=
B
M
1
,
j
+
p
i
∗
(
B
M
3
,
j
−
B
M
2
,
j
)
BM_{i,j}^{new}=BM_{1,j}+p_{i}*(BM_{3,j}-BM_{2,j})
BMi,jnew=BM1,j+pi∗(BM3,j−BM2,j)
体循环对
p
i
p_i
pi进行调整:
p
i
=
F
(
B
M
i
)
−
F
W
o
r
s
t
F
B
e
s
t
−
F
W
o
r
s
t
p_i=\frac{F(BM_i)-F_\mathrm{Worst}}{F_\mathrm{Best}-F_\mathrm{Worst}}
pi=FBest−FWorstF(BMi)−FWorst
伪代码
3.结果展示
ShiftedRosenbrock函数测试
4.参考文献
[1] Ghasemi M, Akbari M A, Jun C, et al. Circulatory System Based Optimization (CSBO): an expert multilevel biologically inspired meta-heuristic algorithm[J]. Engineering Applications of Computational Fluid Mechanics, 2022, 16(1): 1483-1525.