智能优化算法：蛇优化算法
文章目录
1.蛇优化算法简介
蛇优化算法是2022年提出的一种新的元启发式算法，该算法是一种模仿蛇特殊交配行为的新型智能优化算法。对于每条蛇（雄性/雌性），如果在食物数量足够，温度很低的条件下，就会努力得到最好的伴侣。
2.蛇优化算法基本原理
2.1 蛇交配行为
雄性和雌性之间的交配行为受到一些因素的影响。蛇通常在春末和初夏温度较低的时候进行交配，但蛇交配过程不仅取决于温度，还取决于食物的供应。如果温带低，且食物充足，彼此竞争的雄性会互相争斗以吸引雌性的注意。雌性有权决定是否交配。如果交配发生，雌性就开始在巢或洞穴中产卵，卵一出来就会离开。
2.2 灵感来源
蛇优化算法的灵感来源于蛇的交配行为。如果温度较低，且食物可用，蛇的交配行为发生；否则蛇只会寻找食物或吃现有的食物。基于此，将考虑蛇优化算法的搜索过程分为两个阶段：勘探和开发。勘探描述了环境因素，即寒冷的地方和食物，该阶段并不存在蛇只在它周围的环境中寻找食物的这种情况。
开发包括许多过渡阶段，以提高算法的搜索效率。如果食物是可用的，但温度很高，蛇会只关注吃可用的食物。最后，如果食物可用，且该区域很冷，则交配过程发生。在交配过程中有一些情况，即战斗模式或交配模式。在战斗模式中，每个雄性会战斗得到最好的雌性，每个雌性会努力选出最好的雄性。在交配模式中，每对蛇交配行为的发生取决于食物的可用性数量。在搜索空间中，如果交配行为发生，雌性就有可能产卵，孵化成新的蛇。
2.3 数学模型与算法
2.3.1 初始化
蛇种群初始化数学描述如下：
X
i
=
X
min
+
r
×
(
X
max
−
X
min
)
(1)
{X_i} = {X_{\min }} + r \times \left( {{X_{\max }} - {X_{\min }}} \right) \tag{1}
Xi=Xmin+r×(Xmax−Xmin)(1)
式中：
X
i
{X_i}
Xi为第i个蛇的位置；r是[0,1]范围内的随机数；
X
max
X_{\max }
Xmax和
X
min
X_{\min }
Xmin分别是求解问题的上下边界。
2.3.2 将种群分为雌性和雄性两个组
假设雄性的数量为50%，雌性的数量为50%。种群被分为两组：雄性组和雌性组。用以下2个公式来划分种群。
N m ≈ N / 2 (2) {N_m} \approx N/2 \tag{2} Nm≈N/2(2)
N f = N − N m (3) {N_f}{\rm{ = }}N - {N_m} \tag{3} Nf=N−Nm(3)
式中： N N N为蛇种群的大小规模； N m N_m Nm为雄性的数量； N f N_f Nf为雌性的数量。
评估每一组，并定义温度和食物数量
在每一组中找出最好的个体，得到最好的雄性 f b e s t , m f_{best,m} fbest,m和最好的雌性 f b e s t , f f_{best,f} fbest,f食物的位置 f f o o d f_{food} ffood
温度可以用以下公式来定义：
T
e
m
p
=
e
x
p
(
−
t
T
)
(4)
Temp = exp\left( {\frac{{ - t}}{T}} \right) \tag{4}
Temp=exp(T−t)(4)
式中：t为当前的迭代次数；T为最大的迭代次数。
食物数量 Q Q Q可以用以下公式定义：
Q
=
c
1
∗
e
x
p
(
t
−
T
T
)
(5)
Q = {c_1} * exp\left( {\frac{{t - T}}{T}} \right) \tag{5}
Q=c1∗exp(Tt−T)(5)
式中：
c
1
c_1
c1为一个常数，取0.5。
2.3.3 勘探阶段（没食物）
如果 Q < T h r e s h o l d Q<Threshold Q<Threshold（阈值 T h r e s h o l d = 0.25 Threshold=0.25 Threshold=0.25），蛇通过选择任何随机位置来搜索食物，并更新它们的位置。要模拟勘探阶段，如下所述：
X
i
,
m
(
t
+
1
)
=
X
r
a
n
d
,
m
(
t
)
±
c
2
×
A
m
×
(
(
X
max
−
X
min
)
×
r
a
n
d
+
X
min
)
(6)
{X_{i,m}}(t + 1) = {X_{rand,m}}(t) \pm {c_2} \times {A_m} \times \left( {\left( {{X_{\max }} - {X_{\min }}} \right) \times rand + {X_{\min }}} \right) \tag{6}
Xi,m(t+1)=Xrand,m(t)±c2×Am×((Xmax−Xmin)×rand+Xmin)(6)
式中：
X
i
,
m
X_{i,m}
Xi,m为雄性位置；
X
r
a
n
d
,
m
X_{rand,m}
Xrand,m为随机选择的雄性的位置；rand是[0,1]范围内的随机数；
A
m
A_m
Am为雄性寻找食物的能力，计算公式如下：
A
m
=
e
x
p
(
−
f
r
a
n
d
,
m
f
i
,
m
)
(7)
{A_m} = exp\left( {\frac{{ - {f_{rand,m}}}}{{{f_{i,m}}}}} \right) \tag{7}
Am=exp(fi,m−frand,m)(7)
式中：
f
r
a
n
d
,
m
f_{rand,m}
frand,m为随机选择的雄性的位置的
X
r
a
n
d
,
m
X_{rand,m}
Xrand,m适应度值，
f
i
,
m
f_{i,m}
fi,m为雄性位置的
X
i
,
m
X_{i,m}
Xi,m适应度值；为
c
2
c_2
c2一个常数，取0.05。
X
i
,
f
=
X
r
a
n
d
,
f
(
t
+
1
)
±
c
2
×
A
f
×
(
(
X
max
−
X
min
)
×
r
a
n
d
+
X
min
)
(8)
{X_{i,f}} = {X_{rand,f}}(t + 1) \pm {c_2} \times {A_f} \times \left( {\left( {{X_{\max }} - {X_{\min }}} \right) \times rand + {X_{\min }}} \right) \tag{8}
Xi,f=Xrand,f(t+1)±c2×Af×((Xmax−Xmin)×rand+Xmin)(8)
式中：
X
i
,
f
X_{i,f}
Xi,f为雌性位置；
X
r
a
n
d
,
f
X_{rand,f}
Xrand,f为随机选择的雌性的位置；rand是[0,1]范围内的随机数；
A
f
A_f
Af为雌性寻找食物的能力，计算公式如下：
A
f
=
e
x
p
(
−
f
r
a
n
d
,
f
f
i
,
f
)
(9)
{A_f} = exp\left( {\frac{{ - {f_{rand,f}}}}{{{f_{i,f}}}}} \right) \tag{9}
Af=exp(fi,f−frand,f)(9)
式中：
f
r
a
n
d
,
f
f_{rand,f}
frand,f为随机选择的雄性的位
X
r
a
n
d
,
f
X_{rand,f}
Xrand,f的适应度值，
f
i
,
f
f_{i,f}
fi,f为雄性位置
X
i
,
f
X_{i,f}
Xi,f的适应度值。
2.3.4 开发阶段（有食物）
在 Q > T h r e s h o l d Q>Threshold Q>Threshold的条件下，如果 t e m p e r a t u r e > T h r e s h o l d ( 0.6 ) temperature>Threshold(0.6) temperature>Threshold(0.6)，那么温度处于热状态（hot）。蛇只会寻找食物，位置更新公式如下：
X
i
,
j
(
t
+
1
)
=
X
f
o
o
d
±
c
3
×
T
e
m
p
×
r
a
n
d
×
(
X
f
o
o
d
−
X
i
,
j
(
t
)
)
(10)
{X_{i,j}}(t + 1) = {X_{food }} \pm {c_3} \times Temp \times {\rm{ }}rand{\rm{ }} \times \left( {{X_{food }} - {X_{i,j}}(t)} \right) \tag{10}
Xi,j(t+1)=Xfood±c3×Temp×rand×(Xfood−Xi,j(t))(10)
式中：
X
i
,
j
X_{i,j}
Xi,j为蛇个体（雄性或雌性）的位置；
X
f
o
o
d
X_{food}
Xfood为蛇个体的最佳位置；rand是[0,1]范围内的随机数；
c
3
c_3
c3为一个常数，取2。
在 Q > T h r e s h o l d Q>Threshold Q>Threshold的条件下，如果 t e m p e r a t u r e < T h r e s h o l d ( 0.6 ) temperature<Threshold(0.6) temperature<Threshold(0.6)，那么温度处于冷状态（cold）。蛇将处于战斗模式或交配模式。
（a）战斗模式
X
i
,
m
(
t
+
1
)
=
X
i
,
m
(
t
)
+
c
3
×
F
M
×
r
a
n
d
×
(
Q
×
X
b
e
s
t
,
f
−
X
i
,
m
(
t
)
)
(11)
{X_{i,m}}(t + 1) = {X_{i,m}}(t) + {c_3} \times FM \times {\rm{ }}rand{\rm{ }} \times \left( {Q \times {X_{best,f}} - {X_{i,m}}(t)} \right) \tag{11}
Xi,m(t+1)=Xi,m(t)+c3×FM×rand×(Q×Xbest,f−Xi,m(t))(11)
式中：
X
i
,
m
X_{i,m}
Xi,m为第i个雄性的位置；
X
b
e
s
t
,
f
X_{best,f}
Xbest,f为雌蛇组中的最佳位置；rand是[0,1]范围内的随机数；为
F
M
FM
FM雄性战斗能力。
X
i
,
f
(
t
+
1
)
=
X
i
,
f
(
t
)
+
c
3
×
F
F
×
r
a
n
d
×
(
Q
×
X
b
e
s
t
,
m
−
X
i
,
f
(
t
)
)
(12)
{X_{i,f}}(t + 1) = {X_{i,f}}(t) + {c_3} \times FF \times rand \times \left( {Q \times {X_{best,m}} - {X_{i,f}}(t)} \right) \tag{12}
Xi,f(t+1)=Xi,f(t)+c3×FF×rand×(Q×Xbest,m−Xi,f(t))(12)
式中：
X
i
,
f
X_{i,f}
Xi,f为第i个雌性的位置；
X
b
e
s
t
,
m
X_{best,m}
Xbest,m为雄蛇组中的最佳位置；rand是[0,1]范围内的随机数；
F
F
FF
FF为雌性战斗能力。
F M FM FM和 F E FE FE可以由以下公式计算出来：
F M = e x p ( − f b e s t , f f i ) (13) FM = exp\left( {\frac{{ - {f_{{\rm{b}}est,f}}}}{{{f_i}}}} \right) \tag{13} FM=exp(fi−fbest,f)(13)
F F = e x p ( − f b e s t , m f i ) (14) FF = exp( {\frac{{ - {f_{{\rm{b}}est,m}}}}{{{f_i}}}}) \tag{14} FF=exp(fi−fbest,m)(14)
式中： f b e s t , f f_{best,f} fbest,f为雌蛇组中的最佳位置 X b e s t , f X_{best,f} Xbest,f的适应度值； f b e s t , m f_{best,m} fbest,m为雄蛇组中的最佳位置 X b e s t , m X_{best,m} Xbest,m的适应度值；为 f i f_i fi蛇个体的适应度值。
（b）交配模式
X
i
,
m
(
t
+
1
)
=
X
i
,
m
(
t
)
+
c
3
×
M
m
×
r
a
n
d
×
(
Q
×
X
i
,
f
(
t
)
−
X
i
,
m
(
t
)
)
(15)
{X_{i,m}}(t + 1) = {X_{i,m}}(t) + {c_3} \times {M_m} \times rand \times \left( {Q \times {X_{i,f}}(t) - {X_{i,m}}(t)} \right)\ \tag{15}
Xi,m(t+1)=Xi,m(t)+c3×Mm×rand×(Q×Xi,f(t)−Xi,m(t)) (15)
X i , f ( t + 1 ) = X i , f ( t ) + c 3 × M f × r a n d × ( Q × X i , m ( t ) − X i , f ( t ) ) (16) {X_{i,f}}(t + 1) = {X_{i,f}}(t) + {c_3} \times {M_f} \times rand \times \left( {Q \times {X_{i,m}}(t) - {X_{i,f}}(t)} \right)\ \tag{16} Xi,f(t+1)=Xi,f(t)+c3×Mf×rand×(Q×Xi,m(t)−Xi,f(t)) (16)
式中： X i , m X_{i,m} Xi,m为第i个雄性的位置； X i , f X_{i,f} Xi,f为第i个雌性的位置；rand是[0,1]范围内的随机数；和 M m , M f M_m,M_f Mm,Mf分为雄性和雌性的交配能力，可以由以下公式计算出来：
M m = e x p ( − f i , f f i , m ) (17) {M_m} = exp\left( {\frac{{ - {f_{i,f}}}}{{{f_{i,m}}}}} \right) \tag{17} Mm=exp(fi,m−fi,f)(17)
M f = e x p ( − f i , m f i , f ) (18) {M_f} = exp\left( {\frac{{ - {f_{i,m}}}}{{{f_{i,f}}}}} \right) \tag{18} Mf=exp(fi,f−fi,m)(18)
式中： f i , m f_{i,m} fi,m为第i个雄性位置的适应度值；为 f i , f f_{i,f} fi,f第i个雌性位置的适应度值。如果卵孵化，选择最差的雄性和雌性，并替换它们。
X w o r s t , m = X min + r a n d × ( X max − X min ) (19) {X_{worst,m}} = {X_{\min }} + {\rm{ }}rand{\rm{ }} \times \left( {{X_{\max }} - {X_{\min }}} \right) \tag{19} Xworst,m=Xmin+rand×(Xmax−Xmin)(19)
X w o r s t , f = X min + r a n d × ( X max − X min ) (20) {X_{worst,f}} = {X_{\min }} + {\rm{ }}rand{\rm{ }} \times \left( {{X_{\max }} - {X_{\min }}} \right) \tag{20} Xworst,f=Xmin+rand×(Xmax−Xmin)(20)
式中： X w o r s t , m X_{worst,m} Xworst,m为雄蛇组中的最差位置；为 X f , m X_{f,m} Xf,m雌蛇组中的最差位置。
算法流程如下：
3.实验结果
4.参考文献
[1] Hashim, F. A., & Hussien, A. G. (2022). Snake Optimizer: A novel meta-heuristic optimization algorithm.Knowledge-Based Systems, 108320.
8203
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
