2025年3月一区SCI-真菌生长优化算法Fungal growth optimizer-附Matlab免费代码

最新推荐文章于 2025-04-28 23:46:40 发布

优化算法侠Swarm-Opti

最新推荐文章于 2025-04-28 23:46:40 发布

阅读量1.1k

点赞数 30

分类专栏：智能优化算法文章标签：算法 matlab 开发语言优化算法人工智能

本文链接：https://blog.csdn.net/weixin_44028734/article/details/145594676

版权

智能优化算法专栏收录该内容

551 篇文章

订阅专栏

引言

本期介绍了一种新的自然启发的元启发式算法-真菌生长优化算法Fungal growth optimizer，FGO，这是受到自然界真菌生长行为的启发。该算法于2025年3月最新发表在中科院1区SCI期刊 Computer Methods in Applied Mechanics and Engineering。

模拟了以菌丝尖端生长、分枝和孢子萌发为代表的真菌生长行为，提出了一种具有多种探索和开发算子的鲁棒优化算法，可以在较高的精度和可接受的时间内解决多个复杂的优化问题。一开始，菌丝在寻找空间中线性生长，寻找营养丰富的区域。然而，这些菌丝可能会由于一些化学和环境条件而改变其生长方向，帮助它们尽可能地探索搜索空间。

1. 初始化。和其他算法一样，采用随机初始化：

2.菌丝尖端生长行为：在合适的条件下，种群中的每个菌丝沿着一条直线扩张，以探索搜索空间，寻找营养最多的区域。然而，某些环境和化学因素可能导致菌丝改变其生长方向。

2.1 增长速度和方向

展示了FGO如何模拟大量菌丝的生长速度和方向，以适当地探索搜索空间。在本研究中，我们使用一个与当前适应度值相关的指数函数来模拟FGO的生长速率，来表示富营养区和贫营养区，适应度值高的解代表富营养区，适应度值低的解代表贫营养区

菌丝的生长方向受到可能突然发生的环境和化学线索的影响。因此，我们随机表示FGO中的生长方向，模拟每个菌丝生长方向可能发生的变化

2.2 趋化行为遗忘和补充策略

在FGO中，开发作业人员基于模仿化学向性行为，根据化学信号开发富营养区或其他区域，以尽快获得更好的解决方案：

3.菌丝分枝和孢子萌发：侧向分支是必不可少的，因为它们允许真菌探索不同的方向，通常会产生强大的勘探操作，使所提出的FGO能够摆脱局部最优，并为几个复杂的优化问题提供出色的解决方案。在本研究中，我们基于两种不同的模式设计了这种行为，这可能有助于尽可能地探索搜索空间

FGO伪代码：

03. 对比验证

原文作者根据四个著名的进化计算大会（CEC）基准（CEC2020、CEC2017、CEC2014和CEC2022）和11个工程设计问题进行评估FGO的。并与最近提出的15种算法以及L-SHADE、LSHADE-cnEpSin、改进的LSHADE-SPACMA、SHADE、LSHADE-SPACMA、GQPSO等11种高性能算法进行了比较，证明了该算法的优越性。