智能优化算法：头脑风暴优化算法-附代码

智能优化算法：头脑风暴优化算法

摘要：头脑风暴优化算法(Brain Storming Optimization algorithm, BSO)是Shi在2011年第2次群体智能国际会议上提出的一
种基于模拟人类创造性解决问题的过程的群体行为智能算法。，因其具有模型简单、收敛速度快、参数少等优点 ，已在工程优化 、模型识别等问题中得到较好的应用，很快得到了国内外学者的广泛关注，成为智能优化算法领域新的研究热点。

1.算法原理

头脑风暴优化算法主要由聚类和变异组成。

1.1 聚类

聚类：BSO采用K-means聚类算法，将相似的个体聚成k类，并将人为设定的适应度函数值最优的个体作为聚类的中心。当然，为了避免陷入局部最优，将有概率随机产生一个新个体替换其中
一个聚类中心。

1.2 变异

BSO变异主要有4种方式，分别是：(a)在随机一个类中心，即该类最优个体上添加随机扰动产生新的个体；(b)在随机一个类中随机选择一个个体添加随机扰动产生新的个体；©随机融合两个类中心，并添加随机扰动产生新的个体；(d)随机融合两个类中随机的两个个体，并添加随机扰动产生新的个体。

上述4种方式每个聚类中心，即类中最优个体
被选中的概率为：
$$p_j=\frac{|M_j|}{N}\text{\hspace{1em}(1)}$$
其中， $|M_j|$代表 类中个体的数量。新个体产生公式为:
$$x_{nd}=x_{sd}+\xi \ast N(0,1{)}_d\text{\hspace{1em}(2)}$$

$$\xi =lgsig((0.5\ast T-t)/k)\ast R(0,1)\text{\hspace{1em}(3)}$$

其中， $x_{nd}$是新的$d$维个体， $x_{sd}$是选中的个体， $T$和$t$分别表示设置的最大迭代次数和当前迭代次数，$k$可以调节$lgsig(.)$ 函数的坡度， $N(0,1{)}_d$是$d$ 维标准正态分布， $R(0,1)$是0 - 1的随机值。

算法采用聚类思想搜索局部最优，通过局部最优的比较得到全局最优；采用变异思想增加了算法的多样性，避免算法陷入局部最优，在这聚与散相辅相承的过程中搜索最优解，思想新颖，适合于解决多峰高维函数问题。

2.算法流程

$BSO$算法步骤如下.
$Step1$:随机产生$N$个个体.
$Step2$:计算个体适应度值.
$Step3$:用K-means聚类法将$N$个个体分为$C$个聚类,记录每个聚类的聚类中心.
$Step4$:产生随机数$r_1\in (0,1)$,如果$r_1<P_1$ ,则随机选择一个聚类中心,并用随机生成的个体替换它.
$Step5$:更新个体.
$Step5.1$:产生随机数$r_2\in (0,1)$.
$Step5.2$:如果$r_2<P_2$ ,则随机选择一个概率为$P_i$ 的类. 产生随机数$r_3\in (0,1)$,若$r_3<P_3$ ,则选择该类中心,并加上随机值,产生新个体;否则,随机选择该类中的个体,加随机值更新.
$Step5.3$:如果$r_2⩾P_2$ ,则随机选择两个类产生新个体. 产生随机数$r_4\in (0,1)$,若$r_4<P_4$ ,则合并两个聚类中心,加随机值产生新个体;否则,从两个聚类中选择个体合并后,加随机值产生新个体.
$Step5.4$:新产生的个体与当前个体相比,适应度值小的作为下一次迭代的新个体.
$Step6$:如果N 个个体更新完成,则转入$Step7$,否则返回$Step5$.
$Step7$:如果达到最大迭代次数,则停止迭代,否则返回$Step2$.

3.算法结果

4.参考文献

[1]SHI Yuhui. Brain Storm Optimization Algorithm[M].Advances in Swarm Intelligence. Berlin Heidelberg:Springer, 2011: 303–309. doi: 10.1007/978-3-642-21515-5_36.

[2]梁晓萍,郭振军,朱昌洪.基于头脑风暴优化算法的BP神经网络模糊图像复原[J].电子与信息学报,2019,41(12):2980-2986.

5.MATLAB代码

头脑风暴优化算法
算法相关应用

名称	说明或者参考文献
头脑风暴优化的BP神经网络（预测）	https://blog.csdn.net/u011835903/article/details/112149776（原理一样，只是优化算法是头脑风暴算法）
头脑风暴优化的BP神经网络（分类）	https://blog.csdn.net/u011835903/article/details/112149394（原理一样，只是优化算法是头脑风暴算法）
基于头脑风暴算法优化的最大熵多阈值分割	https://blog.csdn.net/u011835903/article/details/108203775（原理一样，只是优化算法是头脑风暴算法）
头脑风暴算法优化的otsu多阈值分割	https://blog.csdn.net/u011835903/article/details/108019744（原理一样，只是优化算法是头脑风暴算法）
头脑风暴优化的PID参数优化	https://blog.csdn.net/u011835903/article/details/109306387（原理一样，只是优化算法是头脑风暴算法）