【优化求解】基于蜜獾算法(HBA)求解最优目标matlab代码

1 简介

该算法由Fatma A. Hashima等人于2021年提出，主要模拟了蜜獾的挖掘和寻找蜂蜜的动态搜索行为，因其实验结果良好，结构简单，故在未来具有广泛的应用前景。

蜜獾算法

蜜獾是一种皮毛黑白相间的哺乳动物，常生活在非洲、亚洲西南部和印度次大陆的半沙漠和雨林中，以其无畏的天性而闻名：

图1 平头哥珍贵照片

蜜獾是一种聪明的动物，它们能够使用工具，而且非常喜欢蜂蜜。由于它们勇敢的天性(蜜之自信)，当它们无法逃脱时，即会毫不犹豫地与对手硬刚：

图2 蜜獾与狮子对线

通常来讲，一只蜜獾可以使用嗅觉持续定位它的猎物。蜜獾喜欢蜂蜜，但它不善于定位蜂巢。不过有意思的是，蜂蜜向导（一种鸟）可以找到蜂巢，但不能得到蜂蜜。这些现象即使两者形成了合作关系：向导鸟将蜜獾带到蜂巢，后者利用前爪打开蜂巢，然后两者都享受团队合作的回报。

因此为了找到蜂巢，蜜獾要么狂嗅+狂挖，要么跟着向导鸟。文中称第一种情况为挖掘模式，而第二种情况为蜂蜜模式。在挖掘模式中，蜜獾利用自己的嗅觉能力来定位蜂巢，当接近蜂巢时，它会选择合适的地点进行挖掘；在蜂蜜模式中，蜜獾直接利用向导鸟定位蜂巢。

种群初始化

第一步仍然是熟悉的种群位置初始化：

式中ub、lb分别为搜索空间的上、下限。

蜂蜜吸引度

蜂蜜吸引度与蜂巢和第i 只蜜獾之间的距离有关：

式中xprey 即为蜂巢的位置，在算法中视作最优个体的位置。由图3可以看出，蜜獾与蜂巢的距离越近，这种吸引力越强：

图3 吸引程度与距离成反比

更新密度因子

在算法中，密度因子(α)控制着时变随机化，以确保从勘探到开采的平稳过渡：

式中t 为当前迭代次数，C=2。

挖掘阶段

此阶段，蜜獾的位置更新范围类似于图4所示的心形：

图4 蓝色轮廓表示气味强度，黑色圆线表示猎物位置

这个图是不是很眼熟？没错，学过高等数学的同学一定不陌生：

图5 高等数学教材附录

在算法中此心形位置更新可表示为：

不得不说，这个核心公式有点复杂！式中β=6表示指蜜獾获取食物的能力，di 在式(2)中已有介绍，r3、r4、r5、r6均为[0,1]内的随机数。F 为控制方向的参数：

这种参数在很多算法中均有它的身影，欲深入了解可通过我的毒爆虫优化算法进行学习：

蜂蜜阶段

此时蜜獾跟随向导鸟，直捣黄龙：

式中各参数前往前文均有介绍。至此，算法迭代伪代码为：

2 部分代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Honey Badger Algorithm source code 
% paper:
%     Hashim, Fatma A., Essam H. Houssein, Kashif Hussain, Mai S. %     Mabrouk, Walid Al-Atabany. 
%     "Honey Badger Algorithm: New Metaheuristic Algorithm for % %     Solving Optimization Problems." 
%     Mathematics and Computers in Simulation, 2021.
%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%

clc;clear all;
close all;
fitfun = @sumsqu;
dim=30;
T=1000;
Lb=-10;
Ub=10;
N=30;
[xmin,fmin,CNVG]=HBA(fitfun,dim,Lb,Ub,T,N);
figure,
semilogy(CNVG,'r')
xlim([0 T]);
title('Convergence curve')
xlabel('Iteration');
ylabel('Best fitness obtained so far');
legend('HBA')

display(['The best location= ', num2str(xmin)]);
display(['The best fitness score = ', num2str(fmin)]);

   

3 仿真结果

​