智能优化算法：果蝇优化算法-附代码

智能优化算法：果蝇优化算法

摘要：Pan 于 2011 年受果蝇觅食行为启发，提出了果蝇优化算法 (FOA)。虽然其出现时间不长，但因其具有清晰的生物机制、可塑性强、易编程、较快的搜索速度等优点，所以已经越来越受到人们的重视。

1.算法原理

果蝇优化算法(FOA)是基于群体的演化算法，其基本思想来源于果蝇觅食行为。果蝇在嗅觉和视觉能力上优于其他物种。果蝇首先通过嗅觉搜索食物(可达 40 km 远)，当离食物较近时，通过敏锐的视觉继续进行搜索，并最终找到食物源。图 1 为果蝇觅食过程。

图1. 果蝇觅食过程

根据果蝇群体觅食行为特点，可将标准果蝇优化算法分为以下几个步骤。

(1) 初始化果蝇群体位置:
$$\{\begin{array}{l}intX\_axis\\ intY\_axis\end{array}\text{\hspace{1em}(1)}$$
(2) 给出果蝇个体利用嗅觉搜寻食物的随机方向与距离:
$$\{\begin{array}{l}{X}_i=X\_axis+RandomValue\\ Y_i=Y\_axis+RandomValue\end{array}\text{\hspace{1em}(2)}$$
(3) 由于开始无法获知食物的具体位置，所以先计算果蝇个体与原点之间的距离 $Dis{t}_i$ ，再计算味道浓度判定值 $S_i$ :
$$Dis{t}_i=\sqrt{X_i^2+Y_i^2}\text{\hspace{1em}(3)}$$

$$S_i=1/Dis{t}_i\text{\hspace{1em}(4)}$$

(4) 味道浓度判定值($S_i$ )代入味道浓度判定函数(或称为 Fitness function)以求出该果蝇个体位置的味道浓度$Smel{l}_i$ :
$$Smel{l}_i=Fitness(S_i)\text{\hspace{1em}(5)}$$
(5) 找出此果蝇群体中味道浓度最高的果蝇(求极大值):
$$[bestSmell,bestIndex]=min(Smell)\text{\hspace{1em}(6)}$$
(6) 保留最佳味道浓度值与 $x$、$y4 坐标，此时果蝇群体利用视觉往该位置飞去:
$$SmellBest=bestSmell\text{\hspace{1em}(7)}$$

$$\{\begin{array}{l}X\_axis=X(bestIndex)\\ Y\_axis=Y(bestIndex)\end{array}\text{\hspace{1em}(8)}$$

(7) 进入迭代寻优，重复执行步骤(2) ～ 步骤(5)，并判断味道浓度是否优于前一迭代味道浓度，若是则执行步骤(6)。

2.算法结果

3.参考文献

[1]李少波,赵辉,张成龙,郑凯.果蝇优化算法研究综述[J].科学技术与工程,2018,18(01):163-171.

4.Matlab代码

果蝇优化算法
改进算法matlab代码

名称	说明或者参考文献
扇区搜索机制的果蝇优化算法	[1]曹珍贯,李智威,余俊峰.扇区搜索机制的果蝇优化算法[J].计算机工程与设计,2019,40(06):1590-1594.

算法相关应用

名称	说明或者参考文献
果蝇优化的BP神经网络（预测）	https://blog.csdn.net/u011835903/article/details/112149776（原理一样，只是优化算法用果蝇算法）
果蝇优化的BP神经网络（分类）	https://blog.csdn.net/u011835903/article/details/112149394（原理一样，只是优化算法用果蝇算法）

5.python代码

上述代码见个人资料介绍