白鹭群优化算法(Egret Swarm Optimization Algorithm)

最新推荐文章于 2024-05-24 09:33:11 发布

weixin_43688829

最新推荐文章于 2024-05-24 09:33:11 发布

阅读量1k

点赞数 1

文章标签：算法 python jupyter

本文链接：https://blog.csdn.net/weixin_43688829/article/details/127201297

版权

白鹭群优化算法（Egret Swarm Optimization Algorithm）受雪白鹭和大白鹭捕食行为启发，结合坐等和激进策略。算法包括坐等策略的白鹭A、随机游走的白鹭B和包围策略的白鹭C。通过实验验证，与5种先进优化算法对比，展示其在模型自由优化中的潜力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

欢迎加入一同交流，QQ群：916165264

白鹭群优化算法（Egret Swarm Optimization Algorithm）是一种结合了雪白鹭（坐等策略，Sit-And-Wait Strategy）和大白鹭（激进策略，Aggressive Strategy）捕食行为的启发式算法。

生物启发

在鹭科生物中，雪白鹭（Snowy Egret）和大白鹭（Great Egret）是两类在捕食行为上差异比较大的物种。雪白鹭采用的是能耗最低的坐等策略：站立不动，耐心等待，静静观察猎物的行踪，直到猎物出现便飞快地用鸟喙攫食。采用坐等策略的雪白鹭往往能够以很低的能量消耗，获取较为稳定的收益。而大白鹭则采取激进策略，一旦发现了猎物后，就会一直追赶，直到捕获。激进策略虽然能量消耗大，但是也使得大白鹭有可能获得更高的收益。受到雪白鹭和大白鹭捕食行为的启发，提出了融合两者优势特性的白鹭群优化算法。