本期2024提出的优化算法–角蜥优化算法Horned Lizard Optimization Algorithm,HLOA,该成果于2024年2月发表在中科院2区top SCI期刊 Artificial Intelligence Review。
1、简介
本期介绍了HLOA,一种新的元启发式优化算法,它在数学上模拟了Crypsis、皮肤变暗或变亮、喷血和移动逃跑防御方法。在Crypsis行为中,蜥蜴通过变得半透明来改变颜色,以避免被捕食者发现。角蜥蜴可以变亮或变暗皮肤,这取决于它是否需要减少或增加其太阳热增益。皮肤变暗或变亮策略是通过包括刺激性激素黑色素细胞率( -MHS)影响这些肤色变化。此外,还从数学上描述了移动到逃避策略。角蜥蜴的射击血液防御机制,被描述为弹丸运动,也被建模。这些策略平衡了在解空间上局部和全局搜索的开发和探索机制。HLOA性能以文献中的63个优化问题、IEEE CEC-2017“约束实参数优化”中提供的测试台问题、10、30、50和100维度的分析以及IEEE CEC-06 2019“100位挑战”中的测试台函数为基准。此外,还研究了来自IEEE CEC2020的三个真实世界约束优化应用程序和两个工程问题,多重重力辅助优化和最优潮流问题。Wilcoxon和Friedman统计测试将HLOA算法结果与最近的十个仿生算法进行了比较。Wilcoxon表明,HLOA比竞争算法更有效地为大多数testbench函数提供了最优解,同时,Friedman统计检验将HLOA排在首位,n维分析表明它在50和100维的约束优化问题上表现更好。
2、数学建模
2.1 策略1:隐藏行为
2.2.1策略1:隐秘行为
Crypsis是一个有机体通过模仿环境的特征,如颜色和纹理,甚至通过变得半透明,使捕食者或猎物难以察觉或识别它们的过程。它是一种适应性行为,帮助生物避免被发现,从而增加它们在野生世界中生存的机会(Ruxton et al.2004)。由于这项工作的范围是基于角蜥蜴,需要注意的是,它的Crypsis方法是通过颜色理论在数学上表示的(Westland et al.2012; Niall 2017)。
另一方面,国际照明委员会(CIE)(Niall 2017)通过每个波长的整个可见光谱(400至700 nm)的发射能量来标准化光源。此外,该组织定义了一个颜色评估系统,例如笛卡尔坐标的Lab系统和极坐标的LCh系统,以计算颜色空间中的颜色。
在Lab系统中,L表示光度,a和b*是色度坐标,如下所示。
2.2 策略2:皮肤变暗或变亮
角蜥蜴可以使其皮肤变亮或变暗,这取决于它是否需要减少或增加其太阳热增益(Sherbrooke和Sherbrooke 1988)。热能遵循与光能相同的守恒定律(Burtt 1981)。因此,它是颜色和温度关系的关键。因此,反射较浅的颜色排斥更多的热量。这样,深色吸收更多的热量,因为它们吸收更多的光能(Burtt 1981)。
2.3策略3:喷血
角蜥蜴通过从眼睛里射出血液来抵御敌人(Middendorf 2001)。射出的血液防御机制可以表示为弹丸运动,如图6所示。为了获得运动方程,我们将弹丸运动分成两个部分,X轴(水平)和Y轴(垂直):
2.4 策略4:移动逃跑
在这种策略中,角蜥蜴在环境中执行随机快速移动以逃避捕食者Ruxton et al.(2004).为这种逃避策略的数学建模提出了一个包含局部和全局运动的函数.
2.5策略5:黑色素细胞刺激激素(MSH)率:
角蜥的皮肤上观察到的颜色的快速变化可以归因于温度对MSH皮的影响
Peraza-Vázquez, H., Peña-Delgado, A., Merino-Treviño, M. et al. A novel metaheuristic inspired by horned lizard defense tactics. Artif Intell Rev 57, 59 (2024). https://doi.org/10.1007/s10462-023-10653-7
3、完整代码
(1)2024年新提出的算法|horned lizard defense tactics|受角蜥蜴防御策略启发的新型元启发式