智能优化算法：社交网络搜索算法-附代码

智能优化算法：社交网络搜索算法

摘要:社交网络搜索算法(Social Network Search,SNS)是于2021年提出的一种新型智能优化算法，算法主要模拟了用户表达意见时的行为：模仿、对话、争论和创新，这些是人们在进行社交时的真实行为。这些行为被用作优化操作符，并模拟用户如何受到影响并且被激励分享他们的新观点。具有寻优能力强，收敛速度快等特点。

1.算法原理

1.1 种群初始化

种群在搜索边界内随机初始化：
$$X_0=LB+rand(UB-LB)\text{\hspace{1em}(1)}$$
其中，$LB$和$UB$分别表示个体的上下边界，$rand$是[0,1]之间的随机数。

1.2 模仿

对于大多数人而言，当被关注者发布一些新的活动时，我们通常会努力模仿他们，模仿行为可以表示为：
$$\{\begin{array}{l}{X}_{inew}=X_k+rand(-1,1)\ast R\\ R=rand(0,1)\ast r\\ r=X_j-X_i\end{array}\text{\hspace{1em}(2)}$$
其中，这里$X_j$ 为随机选择的一个交谈对象，$R$ 是模仿效果。

1.3 对话

在社交网络中，用户可以进行虚拟交互，并就不同的问题进行交谈
$$\{\begin{array}{l}{X}_{inew}=X_k+R\\ R=rand(0,1)\ast D\\ D=sign(f_i-f_j)\ast (X_j-Xi)\end{array}\text{\hspace{1em}(3)}$$
其中，这里$X_k$ 为随机选择的一个交谈对象，$R$ 是聊天效果，基于不同的观点能产生不同的反馈效果。$sign$即$sign$函数，$f_i、f_j$ 分别对应个体$i$个体$j$的适应度值。

1.4 争论

争论是一种状态，即用户向他人解释他们对事件的看法，并为自己的观点辩护。在这种情况下，用户会看到与其他人不同的观点，并且可能会受到所表达原因的影响。
$$\{\begin{array}{l}{X}_{inew}=X_i+rand(0,1)\ast (M-AF\ast X_i)\\ M=\frac{{\sum }_r^{N_r}{X}_t}{N_r}\\ AF=1+round(fand)\end{array}\text{\hspace{1em}(4)}$$
式中$M$为评论区或粉丝后援群中的用户的位置平均值，$AF$ 是许可因子，表示用户某一问题的赞同程度，其值为1或2。

1.5 创新

有时，用户在网络上分享的话题来自他们的新体验和想法。一个特定的主题可能有不同的特征，每个特征都会影响对问题的理解。因此，通过改变其中一个的观念，主体的一般概念将发生变化，从而实现一种新颖的观点。
$$\{\begin{array}{l}{x}_{i,new}^d=t\ast x_j^d+(1-t)\ast n_{new}^d\\ n_{new}^d=l{b}_d+ran{d}_1\ast (u{b}_d-l{b}_d)\\ t=ran{d}_2\end{array}\text{\hspace{1em}(5)}$$
式中$d$为搜索空间中随机选取的某一维度，$ran{d}_1,ran{d}_2$ 均为[0,1]内一随机数，$u{b}_d,l{b}_d$分别对应当前维度的上、下限。

算法流程：

步骤1：初始种群，以及相关参数；

步骤2：计算适应度值，并记录全局最优解；

步骤3：随机选择行为模式（模仿，对话，争论，创新），进行种群更新

步骤4：判断是否满足停止条件，如果满足则输出最优解，否则重复步骤2-4。

2.实验结果

3.参考文献

[1] S. Talatahari, H. Bayzidi and M. Saraee, “Social Network Search for Global Optimization,” in IEEE Access, vol. 9, pp. 92815-92863, 2021, doi: 10.1109/ACCESS.2021.3091495.

4.Matlab代码