小龙虾优化算法（Crayfish Optimization Algorithm，COA）

---

提示：本文使用的是迭代次数的代码，没有换成评价次数。
文章由本人与 贾鹤鸣教授合作完成，如有疑问，本人力所能及解答，感谢各位观看。

前言

小龙虾优化算法（Crayfish Optimization Algorithm，COA）是2023年9月提出的一种元启发式优化算法。COA的灵感来源于小龙虾的避暑、竞争和觅食行为。这三种行为对应算法的避暑阶段、竞争阶段和觅食阶段。其中，竞争阶段和觅食阶段为小龙虾优化算法的开发阶段，避暑阶段是小龙虾优化算法的探索阶段。COA具有较好的收敛效果，在CEC2020有着较好的优化效果。

---

一、小龙虾优化算法的实现

小龙虾优化算法的探索和开发受温度调节，温度是一个随机数。当温度过高时，小龙虾会选择洞穴进行避暑。如果没有其他的小龙虾竞争洞穴，小龙虾会直接进入洞穴，这是小龙虾优化算法的避暑阶段。如果有其他的小龙虾竞争洞穴，则小龙虾会相互竞争，这时小龙虾优化算法的竞争阶段。当温度适宜时，小龙虾优化算法进入觅食阶段。在觅食阶段，小龙虾会根据食物的大小选择直接吃食物或者先撕碎食物再吃食物。其中，小龙虾的进食与觅食量有关。通过温度平衡算法的探索和开发能力，使小龙虾优化算法具有更好的优化效果，能够更快的寻找到一个优异的适应度值。下面是小龙虾优化算法的具体介绍。

1.初始化阶段

在多维优化问题中，每只小龙虾表示一个1×$dim$的矩阵，每列矩阵为一个问题的解决方案。COA的初始化是在上下界之间随机生成$N$组候选解$X$。$N$是种群大小、$dim$是种群维数。COA初始化如下：
$$X=[X_1,X_2,\cdots ,X_N]\text{\hspace{1em}(1)}$$$$X_{i,j}=l{b}_j+(u{b}_j-l{b}_j)\times rand\text{\hspace{1em}(2)}$$
其中$l{b}_j$表示第j维的下界，$u{b}_j$表示第j维的上界，$rand$是[0,1]的随机数。

2.定义温度和小龙虾的觅食量

温度的改变会影响小龙虾的行为，使小龙虾进行不同的阶段温度的定义如等式3所示。当温度超过30℃时，小龙虾会选择一个凉爽的地方避暑。在适当的温度下，小龙虾就会进行觅食行为。小龙虾的取食量受温度的影响。小龙虾的取食范围在15~30℃之间，25℃为最好。因此，小龙虾的摄食量可以近似于正态分布，从而使摄食量受到温度的影响。小龙虾摄食量的数学模型和不同温度对应的摄食量如下图所示。
$$temp=rand\times 15+20\text{\hspace{1em}(3)}$$
其中，$temp$表示小龙虾所在环境的温度。
$$p=C_1\times (\frac{1}{\sqrt{2\times \pi }\times \sigma )}$$