郊狼优化算法COA算法原理、测试函数和matlab代码

郊狼优化算法提出时间2018年

一、算法原理

        郊狼优化算法(coyote optimization algorithm, COA) [73]是 Pierezan 等人受北美 latrans 行为的启发于 2018 年提出的新的仿生智能算法。该算法模拟了既有群体智能又有进化 启发式 latrans 种群随机成组、成长、生育和死亡、原组驱离和新组接纳等行为。COA 只关注 latrans 的社会结构和文化交流，不依据社会等级和统治规则进行搜索。郊狼被 随机等量分成若干子组后，独立确定子组的 t立t 狼、文化趋势，组内两头不同随机狼 分别与 t立t 狼和文化趋势形成文化差异，作为扰动催化郊狼成长。随机选取组内两头 不同郊狼在特定环境影响下生育幼崽，并同步郊狼的出生和死亡，幼崽是否成活，取决于其适应能力是否优于组内任一郊狼，要么幼崽死去，要么组内最老的郊狼死去。个别 郊狼被驱离出组进入其他组，起到经验交流的作用。经成长、生育和死亡、原组驱离和 新组接纳的循环演化，得到适应度最优的郊狼，作为优化问题的解决方案。该算法不仅 具有独特的搜索结构以及出色的优化能力，而且在求解全局优化问题时优势明显。 在 COA 中，D 个决策变量由解向量各个维度上的郊狼社会状态因子表示，每头郊 狼则代表一个问题候选解，候选解的优劣取决于郊狼社会适应能力的强弱。