蒲公英优化器(Dandelion Optimizer, DO)

---

一、理论基础

蒲公英优化器(Dandelion Optimizer, DO) 是由Shijie Zhao等人于2022年提出的，模拟了蒲公英种子依靠风长距离飞行的过程，包含三个阶段，即 上升阶段 、下降阶段 和 着陆阶段。该算法考虑了风速和天气两个主要因素，并引入了布朗运动和莱维飞行描述种子的运动轨迹。
蒲公英随风漂浮：

1、数学模型

1.1 上升阶段

情况一（晴天）：
假设风速为对数正态分布， 位置更新公式为：

其中，ln Y表示均值为0、方差为1的对数正态分布，α为自适应参数，v_x和v_y为上升方向系数，X_s表示搜索空间内的随机位置。
情况二（雨天）：
由于空气阻力、湿度和其他因素影响，蒲公英种子不能随风而起，蒲公英种子进行局部开发， 位置更新公式为：

其中，k用于限定局部搜索范围，计算公式为：

1.2 下降阶段

蒲公英种子在上升到一定距离后稳定下降。采用布朗运动模拟蒲公英种子的运动轨迹，因此在该阶段，算法也会进行探索。
位置更新公式为：

其中，β_t表示布朗运动，X_mean为群体的平均位置。

1.3 着陆阶段

该阶段强调开发，蒲公英种子随机选择落的位置，这里采用莱维飞行进行选择。
位置更新公式为：

其中，X_elite表示当前迭代最优位置，δ为一个线性递增的参数，等于2t/T。

2、算法伪代码

---

二、仿真实验与结果分析

1、标准函数测试

作者测试了CEC2017的29个标准函数，考虑了10、30、50和100维的算法寻优情况，从数值结果、箱型图、收敛曲线、统计分析等方面分析了DO算法的优秀性能。
不同维度的函数寻优结果：

50维度的箱型图结果：

2、工程问题测试

作者测试了减速机设计问题、拉/压弹簧设计问题、焊接梁设计问题和压力容器设计问题。

---

三、总结

该算法还是比较简单的，容易理解，但是每次迭代时，每个个体都需要经历上升、下降和着陆三个阶段，即更新三次位置，计算复杂度较高。

---

参考文献

【1】Zhao S., Zhang T., Ma S., & Chen M, (2022) Dandelion Optimizer: A nature-inspired metaheuristic algorithm for engineering applications, Engineering Applications of Artificial Intelligence, 114, 105075. DOI: 10.1016/j.engappai.2022.105075.

• 关于 DO 代码下载，参考 这儿
• 关于 DO 论文网站，参考 这儿

注：这里部分翻译可能不准确，请见谅。