引言
本文介绍了一种新的基于群体的元启发式搜索方法——象群优化算法(Elephant Herding Optimization, EHO)。EHO方法的灵感来自大象群体的放牧行为。在自然界中,属于不同氏族的大象在一位女族长的领导下生活在一起,雄性大象长大后会离开他们的家庭群体。这两种行为可以建模为两个操作符:族更新操作符和分离操作符。与BBO、DE和GA相比,EHO有15个测试用例作为基准。结果表明,在大多数基准问题上,EHO算法比这三种元启发式算法能找到更好的值。于2016年发表
参考文献
[1] Wang, Gai Ge , S. Deb , and L. D. S. Coelho . "Elephant Herding Optimization." 2015 3rd International Symposium on Computational and Business Intelligence (ISCBI 2015) IEEE, 2016.
Matlab代码下载
微信搜索并关注-优化算法侠,或扫描下方二维码关注,以算法名字搜索历史文章即可下载。优化算法-20种动物园优化算法(附Matlab代码)