前言
鸡群算法 (Chicken Swarm Optimization,CSO) 是一种新颖的仿生学算法,充分继承群智能优化特点,创新采用个体分类、协作优化,最大程度挖掘最优解,又能很好避免早熟现象。具有收敛快,寻优能力强的特点。
![](https://i-blog.csdnimg.cn/blog_migrate/7da083f912bb4cfc3b4bc447cdbb595c.png)
截止到 2023 年,算法引用趋势
![](https://i-blog.csdnimg.cn/blog_migrate/1d1c625ae8494ee971c4ffdf1f6f7d09.png)
1. 鸡群的生物行为
新型的仿生学算法—鸡群优化算法,它模拟群的等级制度和鸡群的群体活动行为。鸡群可分为几组,每组由一只公鸡和许多母鸡和小鸡组成,在特殊的等级制度下鸡群中不同鸡种搜寻食物时存在着竞争。公鸡搜索食物能力强,适应值小;母鸡其次;小鸡搜索食物能力最弱,适应值最大。
为了简化,文中通过下列规则理想化鸡群算法:
- 鸡群按公鸡个数来分组,每组由一只公鸡、一些母鸡和小鸡组成,有几只公鸡就有几组。
- 分组中,公鸡搜索能力最强,处于统治地位,适应值最小;搜索能力稍差的母鸡紧跟在公鸡周围搜索食物,适应度值稍大;其中一些母鸡还带领小鸡,小鸡搜索能力最差,只在母鸡周围搜索食物,适应度值最大,实现局部搜索功能。
- 在等级制度下,分组中公鸡的统治关系和母鸡—小鸡的母子关系将会改变。(每几代更新一次)
- 通过适应度值来建立这种等级秩序,并随机分组建立公鸡与母鸡的关系,随机建立母鸡—小鸡的母子关系。鸡群中,适应度值越小的个体越占有优势,可以优先获得食物,并且统领适应度值大的个体。 适应度值最小的个体对应鸡群中的公鸡,稍大的对应于母鸡,最大的对应于小鸡,在这种等级秩序下它们以组为单位合作,并按照各自的运动规律更新位置,进行搜索,最终搜索到最佳的觅食位置,即得到最优解。
![](https://i-blog.csdnimg.cn/blog_migrate/c9579130a5b9fe31cdf3996aca2c42fd.png)
2. 算法仿生设计
因为不同的鸡种有不同的运动规律, 因此,以下 3 种个体的位置更新策略各不相同。
2.1 公鸡的位置更新策略
适应度好的公鸡能够在更大的范围内搜索食物,而且比适应度差的公鸡能够优先获得食物实现全局搜索,它的位置更新受随机选取的其他公鸡位置的影响,则更新策略见下式:
![](https://i-blog.csdnimg.cn/blog_migrate/21bb3777eddd4062f1b0be3b43d5dacb.png)
式中:第 i i i 只公鸡位置的第 j j j 维的值表示为, k k k 表示当前的迭代次数,表示服从期望值为 0 ,方差值为 2 的正态分布随机数, 第 i i i 只公鸡的适应度为 f i f_i fi,随机选取公鸡 k k k 的适应度为 f k f_k fk, 分母中加上无穷小数 ε ε ε ,避免除数为零。
2.2 母鸡的位置更新策略
母鸡跟随伙伴公鸡搜索食物,位置更新受伙伴公鸡位置影响。由于母鸡的偷食行为,位置更新又与其它公鸡和母鸡有关系,则更新策略见式:
![](https://i-blog.csdnimg.cn/blog_migrate/59ed5c3ac21c7dbc5a1479e81c0f754d.png)
式中: Rand 是一个服从 [0,1] 均匀分布的随机数,该母鸡的伙伴公鸡 r 1 r_1 r1 的适应度值为 f r 1 f_{r1} fr1, S 1 S_1 S1 表示其伙伴公鸡对其的影响因子,其他公鸡和母鸡中随机选取个体 r 2 r_2 r2 的适应度值为 f r 2 f_{r2} fr2, S 2 S_2 S2 为其他鸡对其的影响因子。
2.3 小鸡的位置更新策略
小鸡在其母亲周围搜寻食物,它的搜索能力最差,位置受到母亲公鸡的影响,则更新策略见式 (6) 。
![](https://i-blog.csdnimg.cn/blog_migrate/c3ac2269fb566b93870b2753a328564b.png)
式中:母亲母鸡 m m m 位置的第 j j j 维数值为 x m x_m xm, j j j 母亲母鸡的位置对小鸡位置的影响因子为 P , 其为随机函数随机生成,取值范围一般为 (0,2)。
3. 算法流程
![](https://i-blog.csdnimg.cn/blog_migrate/91eed513ac02e1ea4952d6a4333c937d.png)
步骤如下:
- 初始化参数。 初始配置算法参数,主要是鸡群的大小、迭代的次数、种群关系的更新频率、个体位置的维度、公鸡母鸡小鸡在鸡群中的比例等。
- 初始化鸡群。 鸡群按适应度值排序分级,公鸡为前 RN 个个体,小鸡为最末 CN 个个体,其余均为母鸡。将鸡群按公鸡数分成 RN 个组,母鸡随机分配到个组中,确定公鸡和母鸡的伙伴关系。 随机选取 MN个母鸡,随机统领小鸡,确定母鸡小鸡的母子关系。
- 迭代开始,先判断是否需要更新分组,是否需要更新鸡群中的关系,需要则更新鸡群分组和鸡群中的关系;否则,公鸡、母鸡和小鸡的位置分别按照各自的位置更新策略, 对各自位置逐个进行更新,同时计算更新位置的适应度值。
- 个体位置更新。 新位置的适应度值与原位置适应度值相比,如果新的位置的适应度值小就更新个体位置,否则就保持原来的位置不变。
- 达到最大迭代次数后停止迭代,并输出最优解,否则回到第 3 步,循环迭代进行搜索。
4. Python 代码实现
Github: Intelligent-optimization-algorithm-Python/tree/master/鸡群算法/CSO
Reference
[1] MENG X , LIU Y , GAO X Z , et al. A new bio-inspired algorithm: chicken swarm optimization[J]. Lecture Notes in Computer Science ,2014 ,8794(1):86-94.
[3] Python实现鸡群算法