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,vx和vy为上升方向系数,Xs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,βt表示布朗运动,Xmean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,Xelite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.
注:这里部分翻译可能不准确,请见谅。