孔雀优化算法(Peafowl (Pavo Muticus/Cristatus) Optimization Algorithm, POA)


一、理论基础

孔雀优化算法(peafowl (Pavo muticus/cristatus) optimization algorithm, POA) 是由昆明理工大学王金波等人于2021年提出的,模拟了孔雀的求偶、觅食和追逐行为。其中,作者首次提出了旋转跳舞机制,有助于跳出局部最优。该算法也是首次应用于求解固体氧化物燃料电池(SOFC) 模型的未知参数估计问题。

雄孔雀(左)和雌孔雀(右)
在这里插入图片描述

1、数学模型

角色分配
首先,根据适应度大小,找出排名前五的成年孔雀。剩下的30%个体被定义为成年雌孔雀,其他的则被定义为幼孔雀。注意根据算法需要,每次迭代后将根据适应度重新分配个体角色。

1.1 孔雀求偶行为

孔雀发现食物源后,会围绕食物源进行旋转行为,进行展示和炫耀,以吸引雌孔雀的注意,从而增加交配概率。具体的发情期求偶行为可分为三个主要阶段,即展尾、旋转和拍动羽毛。该算法主要利用的是旋转行为,包含原地旋转和围绕食物源旋转,并且,适应度越大,围绕食物源旋转的概率也越大,且半径越小,否则以大半径原地旋转。
位置更新公式分别为:
在这里插入图片描述
在这里插入图片描述
其中,‖Xr‖定义为Xr的模量,Rs为旋转半径,计算公式为:
在这里插入图片描述

在这里插入图片描述
其中,XU和XL为上下边界,Cv为可见因子(设为0.2)。

1.2 雌孔雀适应性接近行为

在整个搜索过程中,雌孔雀采取适应性搜索和接近机制,在前期(θ小于1/3)是接近雄孔雀(排名前五),在中后期(θ大于1/3)则是在周围观察:
在这里插入图片描述

1.3 孔雀幼崽适应性搜索行为

采用莱维飞行模拟孔雀幼崽的随机搜索行为,这里雄孔雀(排名前五)作为引导目标(即食物源):
在这里插入图片描述
其中,α和δ 为动态系数因子,定义为:
在这里插入图片描述

1.4 孔雀之间互动行为

由于1号孔雀拥有最好的食物来源,其余4只孔雀会被诱导逐渐向它移动。特别地,不是直接移动到孔雀#1,其余四只孔雀倾向于以90°以内的夹角方向向1号孔雀移动,位置更新公式如下(注意图中红线,左右为不同公式):
在这里插入图片描述
在这里插入图片描述
其中,(x*y)被定义为向量x和y的内积。

2、算法伪代码

在这里插入图片描述


二、仿真实验与结果分析

作者测试了23个常用函数并用于固体氧化物燃料电池参数估计,从数值结果、箱型图、收敛曲线、统计分析等方面分析了POA算法的性能。

23个常用函数的收敛曲线结果
注意到这里迭代次数达到了2000。
在这里插入图片描述

固体氧化物燃料电池参数估计结果
注意到,PSO也展示了不错的寻优性能。
在这里插入图片描述


三、总结

从算法结构上看,涉及计算公式较多,比较复杂。
从函数测试结果可以看出,该算法寻优性能一般,提升空间很大。另外,与DO类似,算法计算复杂度也很高,每次迭代个体位置平均更新2.5次。


参考文献

【1】Jingbo Wang, Bo Yang, Yijun Chen, Kaidi Zeng, Hao Zhang, Hongchun Shu, Yingtong Chen.Novel phasianidae inspired peafowl (Pavo muticus/cristatus) optimization algorithm: Design,evaluation, and SOFC models parameter estimation.Sustainable Energy Technologies and Assessments 2021,50:101825. https://doi.org/10.1016/j.seta.2021.101825.

  • 关于 POA 代码下载,参考 Code
  • 关于 POA 论文网站,参考 Paper
  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值