金豺优化(GJO)算法(含MATLAB代码)

先做一个声明：文章是由我的个人公众号中的推送直接复制粘贴而来，因此对智能优化算法感兴趣的朋友，可关注我的个人公众号：启发式算法讨论。我会不定期在公众号里分享不同的智能优化算法，经典的，或者是近几年提出的新型智能优化算法，并附MATLAB代码。

金豺优化(GJO)算法：

金豺优化(Golden Jackal Optimization, GJO)算法是2022年提出的一种新的元启发式算法。GJO算法的种群实际上应该是金豺的猎物，作者是通过更新猎物的位置来实现算法的寻优过程。它的原始参考文献如下：

“Chopra N, Ansari M M. Golden jackal optimization: A novel nature-inspired optimizer for engineering applications[J]. Expert Systems with Applications, 2022, 198: 116924.”

在讲算法之前，先说一下这个期刊吧，ESWA目前的IF是8.665，影响因子一直稳步上升，如下图所示。ESWA是中科院一区的TOP期刊，上面有很多关于群智能优化的文章，所以大家可以关注下。并且，这个期刊对实验的要求较高，对比实验必须充分、细腻，非常不错的一个期刊，强烈推荐阅读。

01
灵感来源

金豺，是一种中等大小的陆地食肉动物，属于犬科。它们分布在北非、东非、中东、欧洲、东南亚和中亚。金豺体长约70至85厘米，站立高度约40厘米，尾长约25厘米。它的皮毛通常是粗糙的棕色尖端和淡金色到黄色，因地区和季节而异。豺狼矮小的身体和长长的腿使它能够在很远的距离上奔跑捕食。金豺既吃动物，也吃植物。它们的饮食非常多样化，包括啮齿动物、小羚羊、小鸟、野兔、爬行动物、青蛙、水果、鱼和昆虫。

金豺是典型的一夫一妻制，金豺夫妇会一起狩猎，它们的整个行为非常同步。在几平方公里的范围内，雄性或雌性豺狼会用尿液将这些区域分开，以避免入侵者。合作觅食对豺狼来说是必不可少的，这让它们能够猎杀较大的猎物。配对的合作狩猎比个体狩猎有更高的猎杀率。当成对或成群狩猎时，豺狼与猎物平行奔跑，并超越猎物。在捕猎鸟类或水生啮齿动物时，它们会沿着狭窄的河流或小溪的两边奔跑，将猎物从一只豺狼驱赶到另一只豺狼。如图1所示，金豺成对狩猎的过程如下：(1). 搜索并向猎物靠近；(2). 包围并刺激猎物，直到猎物停止移动；(3). 攻击猎物。

 图1 A)一对金豺夫妇 B)金豺寻找猎物 C)跟踪和包围猎物 D)&E)扑向猎物

作者对金豺狼对的狩猎策略进行了数学建模，模仿金豺夫妇的合作狩猎行为，从而设计出了GJO算法。GJO算法包括两个基本步骤是搜索猎物、包围和攻击猎物。

02
算法设计

GJO算法主要包括搜索猎物、包围和攻击猎物两个步骤，分别对应种群的勘探与开发。与往期推送一样，目前我还不会在公众号里编辑数学公式。因此，这部分内容在Word文档里先写好，然后做成图片，最后导入。

由此，作者便通过模拟金豺捕食猎物的过程设计出了GJO算法。GJO算法设计简单，计算公式少，算法很容易实现。GJO算法与HHO算法一样，没有涉及参数的选取，也就是说，它的性能基本不受参数的影响，参数灵敏度低。但是，GJO算法的设计似乎和金豺并没有太多关系，应该是先设计出算法，再寻找可以套用的动物。当然，这只是个人观点哈~

03
计算流程

GJO算法的计算流程非常简单，这里我给出了它的伪代码，如图2所示。

图2 GJO算法的计算流程

04
实验仿真

GJO算法的设计简单，计算公式较少，容易实现。这里就来简单检验一下算法的性能。GJO算法的MATLAB程序是严格按照它的原始参考文献进行编码的。此外，种群规模N我取的50，最大迭代次数T为500，基准函数采用的是CEC2005测试集。

这里以CEC2005测试集中的单峰函数Sphere (f1)和多峰函数Ackley (f10)、Generalized Penalized 1 (f12)为例，展示GJO算法在30维环境下的收敛效果，如图3所示。由于我觉得GJO算法和HHO算法的设计相似，这里我将它和HHO算法进行了对比，实验环境与实验设置完全相同，大家可以观察一下两种算法的对比效果。

(a) f1

(b) f10

(c) f12

图3 GJO算法和HHO算法的收敛曲线对比

就收敛效果来看，HHO算法的性能优于GJO算法。这就说明，并不是新的算法就一定性能优越，所以不要一味去推崇新算法。但是，也可以发现两点：一是GJO算法的提升空间很大，如果对其进行改进或应用，可工作的内容还是很多的。GJO算法本身就是2022年的新算法，研究的人不多，其改进策略或应用并不广泛，有兴趣的同学可以进一步研究一下。二是GJO算法完全可以作为数值实验部分的对比算法。大家不要忘了，GJO算法发表在ESWA上，中科院一区的TOP期刊，认可度较高，而GJO算法的性能并不是很优越，容易被比下去。发表的期刊认可度高、算法又容易被比赢，又是2022年的新算法，这种便宜你也不占吗？

05
MATLAB代码

公众号：启发式算法讨论