群智能算法之AO算法阅读笔记

1. 引言

• 背景：疟疾是一种严重的全球健康问题，青蒿素（Artemisinin）是治疗疟疾的有效药物。受青蒿素治疗疟疾过程的启发，作者提出了一种新的元启发式算法——Artemisinin Optimization (AO) 算法。
• 目的：设计一种高效的元启发式算法，用于解决优化问题，并验证其在医学图像分割中的应用效果。

2. 算法设计

2.1 算法灵感

• 治疗过程：青蒿素治疗疟疾的过程分为三个阶段：
  • 全面清除阶段：使用高剂量的青蒿素迅速减少体内的疟原虫数量。
  • 局部清除阶段：逐渐减少药物剂量，持续清除剩余的疟原虫。
  • 后期巩固阶段：防止疟疾复发，增强算法跳出局部最优的能力。

2.2 算法流程

• 初始化：

  • 种群初始化：将青蒿素微粒视为搜索代理，整个种群构成算法的解集。

  • 解集的初始化公式如下： $$A_{N,D}=B+R\times (T-B)=\left[\begin{array}{cccc}{a}_{1,1}& a_{1,2}& \cdots & a_{1,D}\\ a_{2,1}& a_{2,2}& \cdots & a_{2,D}\\ ⋮& ⋮& \ddots & ⋮\\ a_{N,1}& a_{N,2}& \cdots & a_{N,D}\end{array}\right]$$

    其中，( T ) 和 ( B ) 分别表示解空间的上下界，( R ) 是一组介于 [0, 1] 之间的随机数序列。

3. 三个阶段的数学公式

3.1 全面清除阶段

• 目标：模拟高剂量青蒿素的使用