声明：文章是从本人公众号中复制而来，因此，想最新最快了解各类智能优化算法及其改进的朋友，可关注我的公众号：强盛机器学习，不定期会有很多免费代码分享~
目录
角蜥优化算法(Horned Lizard Optimization Algorithm，HLOA)是一种新型的元启发式算法（智能优化算法），灵感来源于角蜥的隐藏、皮肤变黑或变亮，血液喷射和移动-逃跑防御行为。该成果由Hernán Peraza‑Vázquez等人于2024年2月发表在SCI二区Top期刊《ARTIFICIAL INTELLIGENCE REVIEW》上。
由于发表时间较短，谷歌学术上还没人引用！你先用，你就是创新！
原理简介
这种有角的蜥蜴在科学上被称为Phrynosoma。它是一种从美国中南部到墨西哥东北部的特有爬行动物。它们适应干旱或半干旱的极端温度地区。角蜥蜴以各种物种为食，包括蚱蜢、蟋蟀、甲虫、蜘蛛、蜱虫、蝴蝶和飞蛾。他们主要的被动防御方法是虚构。这种方法包括通过颜色、图案和形状融入周围环境的能力。例如，角蜥蜴的颜色模式在地理上会随着地形的变化而变化，它们的脊椎覆盖了它们的身体轮廓，使它们很难被发现。另一种被动防御策略是转移逃跑。此外，当受到威胁时，这种蜥蜴会采取攻击性策略，例如排出一米多外的短血流。需要注意的是，包括角蜥蜴在内的所有爬行动物都会求助于体温调节，因为它们无法根据周围的温度产生体温来维持体温。此外，角蜥蜴的皮肤可以变浅或变黑，这取决于它是否需要减少或增加太阳能增益。因此，在高温下（25-40摄氏度） ，它们获得照明颜色，而在低温下（16-17摄氏度） ，它们的皮肤变黑了。深色皮肤不反映任何颜色；相反，它吸收所有波长的光，将它们转化为热量。角蜥蜴皮肤颜色的快速变化是由于温度对其α-黑色素细胞刺激激素的影响。
一、隐藏行为
隐藏是一种生物通过模仿环境特征（如颜色和纹理），甚至通过变得半透明，使捕食者或猎物难以发现或识别它们，从而与周围环境融为一体的过程，见下图。这是一种适应性行为，有助于生物体避免被发现，从而增加它们在野生世界中生存的机会。
另一方面，国际照明委员会（CIE）（Niall 2017）通过在每个波长的整个可见光谱（400至700nm）中发射的能量来标准化光源。此外，该组织定义了颜色评估系统，例如，笛卡尔坐标的L*a*b系统和极坐标的L*C*h系统，以计算颜色空间中的颜色。
在L*a*b系统中，L*表示光度，a*和b*是色坐标，如下所示。
在L*C*h系统中，L*定义亮度，C*指定颜色强度，h*表示色调角度（角度测量）。色调在“赤道”周围绕一个圆圈移动，以描述颜色族（红色、黄色、绿色和蓝色）以及其间的所有颜色。
即，色相圆上的数字范围从0到360，从0度的红色开始，然后逆时针穿过黄色、绿色、蓝色，然后返回红色。L描述了颜色的发光强度。比较该值可以将颜色分为浅色或深色。两种颜色系统表示如下图所示。
在不失一般性的情况下，设有序对（a*p，b*q）和（a*r，b*s）是任意两种颜色，其中p≠q≠r≠s。因此，任意两种新颜色，例如colorVar1和colorVar2，可以通过以下算术运算获得。这些颜色可以用一个等式来表示，如下所示。
上式可以以如下的相反形式表示：
其中角度（色调）满足hp≠hq≠hr≠hs和色度c1≠c2。最后，如下式所示，对c1和c2进行因子分解。
式中， xi（t+1）是第t+1代的解搜索空间中的新搜索代理位置（角蜥蜴），x best（t）是t代的最佳搜索代理；r1，r2，r3和r4是在1和种群最大数量之间生成的整数随机数，其中r1≠r2≠r3≠r4；xr1（t），xr2（t），xr3（t）和，xr4（t）是所选择的第r1、r2、r3、r4个搜索代理；Max_ iter表示最大迭代次数（代），σ是通过算法1获得的二进制值， ∂设置为2，并且，c1，c2，其中c1≠c2，是从包含标准化调色板的表29中提取的随机数。
二、皮肤变黑或变亮行为
角蜥蜴可以使皮肤变浅或变黑，这取决于它是否需要减少或增加其太阳热增益。热能遵循与光能相同的守恒定律。因此，它是研究颜色和温度之间关系的关键。因此，反射较浅的颜色会排斥更多的热量。通过这种方式，深色吸收更多的热量，因为它们吸收更多的光能。角蜥蜴皮肤的颜色变化由等式9和10表示。等式9表示变亮皮肤策略。等式10代表了变暗皮肤策略。
其中Light1和Light2是在Lighthening1（0值）和Lighthening2（0.4046661值）之间生成的随机数，使用取自表1的这些归一化值。类似地，Dark1和Dark2是在Darkening1（0.5440510值）和Darkening2（1值）之间生成的随机数，也使用表1中的归一化值。
此外对于等式9和10，xworst（t）和x best（t）分别是找到的最差搜索代理和最佳搜索代理。r1，r2，r3和r4是在1和种群最大数量之间生成的整数随机数，其中r1≠r2≠r3≠r4；xr1（t），xr2（t），xr3（t）和xr4（t）是所选择的第r1、r2、r3、r4个搜索代理。最后σ是通过算法1获得的二进制值。
三、血液喷射行为
角蜥蜴通过从眼睛喷出鲜血来抵御敌人。射血防御机制可以表示为抛射体运动，如下图所示。
轨迹可以表示如下：
式中，xi（t+1）是第t+1代的解搜索空间中的新搜索代理位置（角蜥蜴），x best（t）是找到的最佳搜索代理，当前搜索代理为xi（t），Max_iter表示最大迭代次数，t是当前迭代次数，v0设置为1 seg，α设置为π/2，ε设为1E-6，g为地球重力，设置为0.009807 km/s2。
四、移动逃跑行为
在这种行为中，角蜥蜴在环境中随机快速移动，以躲避捕食者。提出了一个包括局部和全局运动的函数用于该规避策略的公式，如下图和下式所示。
xi（t+1）是第t+1代的解搜索空间中的新搜索代理位置（角蜥蜴）， xbest（t）是生成t的最佳搜索代理，walk是生成在-1和1之间的随机数，ε是由标准柯西分布生成的随机数的平均值，σ设置为0-1中的数。xi（t）是当前t次迭代中的第i个搜索代理。
五、黑色素细胞刺激激素(MSH)率
角蜥蜴可以使皮肤变浅或变黑，这取决于它是否需要减少或增加太阳能增益。在角蜥蜴皮肤上观察到的颜色的快速变化可归因于温度对黑色素细胞的影响。关于角蜥蜴激素水平研究的其他信息可以在Sherbrooke（1997）中看到。在这项研究中，角蜥蜴-黑色素细胞速率值定义如下方程：
其中Fitnessman和Fitnessmax分别是当前t代中的最佳和最差适应度值，而适应度（i）是第i个搜索代理的当前适应度值。
通过计算上式获得的黑色素细胞的（i）值向量已在[0，1]的区间中被归一化。一个低α-MSH，即小于0.3的MSH速率替代了上式中的搜索代理，如下式所示。
xi（t）是当前的搜索代理，xbest（t）是找到的最佳搜索代理，r1和r2是在1和种群最大数量之间生成的整数随机数，其中r1≠r2，xr1（t）和，xr2（t）是所选择的第r1、r2个搜索代理，σ是通过算法1获得的二进制值。
算法流程图和伪代码
为了使大家更好地理解，这边给出算法流程和伪代码，非常清晰！
如果实在看不懂，不用担心，可以看下代码，再结合上文公式理解就一目了然了！
性能测评
原文作者以文献中的63个优化问题为基准，包括CEC2017的约束实参数优化中提供的基准测试问题，针对维度10、30、50和100进行了分析，以及IEEE CEC-06 2019中的基准测试问题。此外，作者还研究了IEEE CEC2020的三个实际约束优化应用以及两个工程问题，即多重重力辅助优化和最优潮流问题。
这边为了方便大家对比与理解，采用23个标准测试函数，即CEC2005，并与经典的正余弦算法SCA进行对比！这边展示其中5个测试函数的图，其余十几个测试函数大家可以自行切换！
可以看到，HLOA的效果还是非常不错的！在大部分函数上都超过了SCA算法，收敛速度也非常快，大家应用到各类预测、优化问题中是一个不错的选择~
参考文献
[1]Peraza-Vázquez H, Peña-Delgado A, Merino-Treviño M, et al. A novel metaheuristic inspired by horned lizard defense tactics[J]. Artificial Intelligence Review, 2024, 57(3): 59.
完整代码
如果需要免费获得图中的完整测试代码，只需点击下方小卡片，后台回复关键字：
HLOA
也可点击小卡片，后台回复个人需求定制PO优化模型（看到秒回）：
1.回归/时序/分类预测类：SVM、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、BP、XGBoost、TCN、BiTCN、ESN等等均可~
2.组合预测类：CNN/TCN/BiTCN/DBN/Adaboost结合SVM/RVM/ELM/LSTM/BiLSTM/GRU/BiGRU/Attention机制类等均可（可任意搭配非常新颖）~
3.分解类：EMD、EEMD、VMD、REMD、FEEMD、CEEMDAN、ICEEMDAN、SVMD等分解模型均可~
4.其他：机器人路径规划、无人机三维路径规划、DBSCAN聚类、VRPTW路径优化、微电网优化、无线传感器覆盖优化、故障诊断等等均可~
5.原创改进优化算法（适合需要创新的同学）：2024年的角蜥HLOA以及麻雀SSA、蜣螂DBO等任意优化算法均可，保证测试函数效果！
391
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
