基于天牛须搜索算法的函数寻优算法

一、理论基础

Jiang和Li在2017年受到天牛规食及寻偶行为的启发，提出了天牛须搜索算法(Beetle antennae search algorithm, BAS)。天牛在空气中捕获食物及潜在配偶的味道，根据天牛两侧天牛须检测到的气味浓度前进。该算法复杂度低，且不需要知道梯度信息等就能实现优化的目的。

1、算法原理

在寻找食物过程中，天牛幵不知道食物的具体位置，它通过头上的左右两个触角对周围环境中气味的浓度进行捕获。倘若天牛探测到左侧触角感知的浓度更大，便向左侧前进；反之，则向右侧前进。通过这一简单原理，天牛最终能有效的寻找到食物。
该算法用数学模型表示的寻优步骤如下：
（1）天牛在任意位置时，头的朝向都是随机的。在维度$D$中，天牛朝向向量表示并归一化为$$\overrightarrow{b}=\frac{rand(D,1)}{|rand(D,1)|}\text{\hspace{1em}(1)}$$
（2）天牛左右须$x_{left}$、$x_{right}$位置可用天牛质心位置$x^m$和两须距离$d^m$表示为$$\begin{array}{r}{x}_{right}=x^m+d^m\cdot \overrightarrow{b}\\ x_{right}=x^m-d^m\cdot \overrightarrow{b}\end{array}\text{\hspace{1em}(2)}$$
（3）依据适应度函数$f(x)$计算天牛两侧触须的气味浓度，即$f(x_{left})$和$f(x_{right})$。为了模仿天牛探测机制，生成以下位置更新迭代模型$$x^m=x^{m-1}+{\delta }^m\cdot \overrightarrow{b}\cdot sign(f(x_{right}-x_{left}))\text{\hspace{1em}(3)}$$其中，${\delta }^m$为$m$时刻(迭代次数)的搜索步长。
（4）天牛步长$\delta$与两须距离$d$的更新规则如下，当然，也可以取一个特定的值，依实际情况而定。$$d^m=d_e\cdot d^{m-1}+0.01\text{\hspace{1em}(4)}$$$${\delta }^m={\delta }_e\cdot {\delta }^{m-1}\text{\hspace{1em}(5)}$$其中，$d_e$和${\delta }_e$分别表示$d$和$\delta$的递减因子。
由于算法寻优过程中，仅有单只天牛，并非种群，故而算法所需参数少， 代码简单，计算量也远小于其他算法，复杂度低，但也因此而失去了种群多样性，算法的单一性使得其易陷入局部极值。

2、算法伪代码

二、仿真实验

基本测试函数如表1所示，函数维度均为2。种群规模$N=30$，最大迭代次数$Max\_iter=1000$。

表1 基本测试函数

迭代曲线依次显示如下：

三、参考文献

[1] Jiang X, Li S. BAS: Beetle Antennae Search Algorithm for Optimization Problems[J]. International Journal of Robotics and Control, 2017, 1(1).