文章目录
前言
本期带来一款改进的小龙虾优化算法,详情如下。
一、小龙虾优化算法
小龙虾优化算法是2023年提出来的较新算法,发表在较高水平期刊上,其具有良好的收敛性,详情可看原文,基于此提出了一种改进的小龙虾优化算法。
二、改进小龙虾优化算法(ICOA)
针对小龙虾优化算法的一些不足进行改进,此篇提出了一种改进算法我暂且命名为ICOA,ICOA非常容易进行二次开发改进,主要原因有二:
1).没有采用混沌映射初始化种群(哪怕是任何改进的混沌映射都没采用)
2).没用采用Levy飞行或者各种变异策略
ICOA主要采用3种改进策略,其中一种策略是另一较新算法进行融合,不是无脑融合,改进之处较为合理。链接中有对改进策略的详细解释。
那么有人会疑问了,不采用Levy飞行那些策略,在测试函数上的效果能好吗?那么好,大家可以往下看。
IACO是完全在COA算法(GITHUB开源源码)上改进出来,并有改进前后的算法对比和COA原文,总所周知,测试函数分为单峰,多峰和固定多峰,单峰测试函数就没什么说的必要了。
ICOA在单峰测试函数上(F1-F4稍差于COA,无伤大雅,后期二次开发可加一些常见策略)
那么重点看一看CEC2005中,那些有难度的测试函数上的表现吧。(ICOA在多数测试函数上性能超越COA,由于群智能算法的不稳定性,程序结果并不是每次都要优于COA,下图是在多次运行里,取得较优情况)
红色线为ICOA,黑色为COA
总结
在这些较为复杂得测试函数上ICOA可取得较优结果,并且采用的策略较为有新意,而且易于二次开发。
如果有伙伴能看出该算法的潜在价值,那么可以出手了。