麻雀搜索算法（Python）

麻雀搜索算法是中国学者Jiankai Xue和Bo Shen受到麻雀的觅食行为和反捕食行为的启发，提出一种最新的群体优化算法。
麻雀是一种聪明的群居生物，具有良好的记忆力，所以麻雀种群在觅食过程中具有一些生物学特性:麻雀种群通常分为两种类型分别是发现者，也称探索者，和加入者，也被称为追随者。发现者寻找食物来源的搜索空间更大，而加入者则根据生产者寻找食物。麻雀具有较强的抗捕食能力，在觅食过程中，部分麻雀被选择作为侦察者以躲避捕食者。发现者和加入者可以动态转化，以获得更好的食物来源。加入者总能找到生产商提供的更好的食物来源，有些加入者甚至监视发现者以获得更多的食物。

麻雀的位置用下列矩阵表示为:
其中，n表示麻雀数量，d表示待优化变量的维数。

所有麻雀的适应度值表示为：

其中，矩阵的每一行的值表示个体的适应度值。在搜索过程中，先得到食物的是有着较好适应度值发现者，发现者的搜索范围是最大的，因为需要给整个种群寻找食物。发现者的位置更新方法：
其中t是当前迭代次数，j=1,2,3,…,d，Xti,j代表的是在迭代t次时，第i行第j维的值，Itermax表示最大迭代次数，Q表示的是服从正态分布的随机数，L为一个1×d的矩阵，其中每个元素都是1。R2和ST分别表示报警值和安全阈值。当R2<ST时，发现者能够在没有捕食者的情况下继续广泛搜索，当R2≥ST时，意味着麻雀已经被捕食者发现，所有麻雀应该迅速飞到其他安全区域。一些加入者会在整个觅食过程中会盯紧发现者，如果发现者找到了更好的
食物，加入者会立即去争夺食物，加入者的位置更新公式为：
其中，Xp代表当前发现者的最佳位置，Xworst代表麻雀最坏的位置，A表示一个1× d的矩阵，其每个元素值随机被赋值为1或−1,A+=AT(AAT)-1

当i>n/2时表示侦查者没有得到食物，需要飞到其他地方以获得更高的能量。为了注意危险环境，随机选择10% - 20%的麻雀作为侦察麻雀，并根据下式更新侦察麻雀的位置。

其中，Xbest是种群当前的最优位置，β是随机数，服从正态分布，均值为0，方差为1。K是控制因子，它是一个随机数，当前麻雀的适应度值由fi所表示，fg和fw分别表示当前全局最优适应度值以及当前全局最差适应度值，
ε是常数，值为很小，防止分母为0。当fi≠fg时，此时的麻雀正位于种群的边缘，在那里更容易遇到捕食者；当fi=fg时，表示麻雀位于种群的中心，需要接近其他麻雀以防止捕食。

代码如下：

# -*- coding: utf-8 -*-
""" 
@Time    : 2022/10/20 22:39
@Author  : Xu Yong Kang 
"""
def SSA(pop,dim,lb,ub,Maxiter,fun):
    '''Sparrow Search Algorithm'''
    '''
    Input:
    pop:种群数量
    dim:每个个体的维度
    ub:上边界
    lb:下边界
    fun:适应度函数
    Maxiter:最大迭代次数
    
    Output:
    Bestscore:最优解对应的适应度值
    Bestposition:最优解
    Itercurve:迭代曲线
    '''
    ST=0.8     #安全阈值
    PD=0.2     #探索者比例
    SD=0.1     #意识到危险的麻雀数量占总数比例
    PDnumber=int(pop*PD)            #探索者数量
    SDNumber=int(pop*SD)            #意识到有危险的麻雀数量
    X=initialization(pop,ub,lb,dim)  #种群初始化
    fitness=CaculateFitness(X,fun)    #适应度值计算
    fitness,sortIndex=SortFitness(fitness)
    X=SortPosition(X,sortIndex)
    Bestscore=copy.copy(fitness[0])
    Bestposition=np.zeros([1