魔鬼鱼优化算法-无偿开源免费获取

1 写在前面

该系列为基础群智能优化算法，欢迎私信一起交流问题，更多的改进算法可查看往期的推文。有问题或者需要其他建议的话，非常欢迎后台私信交流，共同进步，如若出现违反学术道德的情况与本博客以及作者无关，所有资料仅做参考。推文仅做参考作用，具体原理以及数学模型自行学习改进！！！

PS2:推文相关代码后台回复关键词获取，代码本身不值钱，值钱的是思想，欢迎大家后台私信留言。

2 算法基本原理

2019年提出一种新的仿生优化技术称为魔鬼鱼觅食优化(MRFO)算法，旨在提供一种替代优化 解决实际工程问题的方法。该算法的灵感是基于智能算法魔鬼鱼的行为。这项工作模拟了魔鬼鱼（蝠鲼）的三种独特的觅食策略，包括链状的觅食，旋风觅食，翻筋斗觅食，以开发一个有效的优化范式来解决 不同的优化问题。通过与其他状态-的比较，来评估MRFO的性能最先进的优化器，在基准优化函数和八个真实世界的工程设计案例。这个 对基准函数的比较结果表明，MRFO远远优于其竞争对手。此外，实际的工程应用显示了该算法在解决具有挑战性的问题方面的优点 计算成本和求解精度的术语。（这里的一些理论建议查看原文章，全网的博主或者做公众号的几乎都是翻译过来的）

2.1 灵感来源

蝠鲼是奇特的生物，尽管它们看起来很可怕。它们是已知最大的海洋生物之一。蝠鲼从上到下都有一个扁平的身体和一对胸鳍，它们优雅地游泳，就像鸟儿自由飞翔一样。它们还有一对头叶，在它们巨大的末端嘴前面延伸。Swanson Chan 在 Unsplash 上提供了一条觅食的蝠鲼，图 1（B）显示了一条蝠鲼的结构。没有锋利的牙齿，蝠鲼以浮游生物为食，主要由水中的微观动物组成。觅食时，它们会使用喇叭状的头叶将水和猎物倒入嘴中。然后用改良的鳃耙从水中过滤猎物。蝠鲼可以分为两个不同的物种。一种是生活在印度洋和西、南太平洋的礁蝠鲼（manta alfredi），宽可达5.5m。另一种是遍布热带、亚热带和暖温带海洋的巨型蝠鲼（manta birostris），其宽度可达7m。它们已经存在了大约 500 万年。平均寿命为 20 年，但许多人从未达到这个年龄，因为它们被渔民猎杀（Miller 和 Klimovich，2016 年）。

MRFO的灵感来自三种觅食行为，包括链式觅食、旋风式觅食和翻筋斗式觅食。 数学模型如下所述。

2.2 链式觅食

在 MRFO 中，蝠鲼可以观察到浮游生物的位置并朝它游去。一个位置的浮游生物浓度越高，这个位置就越好。虽然目前尚不清楚最佳解决方案，但 MRFO 假设目前找到的最佳解决方案是具有高浓度蝠鲼的浮游生物想要靠近并吃掉。蝠鲼首尾相连，形成一条觅食链。除了第一个以外，其他人不仅会走向食物，还会走向食物前面的人。也就是说，在每次迭代中，每个人都会根据目前找到的最佳解决方案及其前面的解决方案进行更新。这种链式觅食的数学模型表示如下

其中，x (t) 是第 i 个个体在时间 t 在第 d 维的位置，r 是 [0, 1] 范围内的随机向量，a 是权重系数，x(1) 是浮游生物浓度。 下图描绘了这种在二维空间中的觅食行为。第 i 个个体的位置更新由第 (i-1) 个当前个体的位置 xi-1(t) 和食物的位置 Xbest(t) 决定。

2.3 旋风式觅食

当一群蝠鲼认出深水中的一片浮游生物时，它们会形成一条长长的觅食链，并以螺旋状游向食物。这种类似的螺旋觅食策略可以在 WOA群智能开源第四期-鲸鱼优化算法（WOA）中找到。然而，对于蝠鲼群的旋风觅食策略来说，每条蝠鲼除了螺旋状地向食物移动外，还会向前方游动。也就是说，蝠鲼排成一列，形成螺旋状觅食。 下图说明了旋风在二维空间中的觅食行为。一个人不仅跟随它前面的人，而且只会沿着螺旋形路径向食物移动。 

2.4 翻筋斗式觅食

在这种行为中，食物的位置被视为一个支点。每个人都倾向于围绕枢轴和翻筋斗来回游动到一个新的位置。因此，他们总是围绕迄今为止找到的最佳位置更新他们的位置。数学模型可以如下创建

2.5 流程图和伪代码

3 仿真实验

4代码获取方式

公主好后台回复：MRFO

群智能开源第二十三期-魔鬼鱼优化算法 (qq.com)