减法平均优化算法

       减法平均的优化算法（Subtraction-Average-Based Optimizer (SABO)），是于2023年提出的一种基于数学行为的智能优化算法，该算法具有寻优能力强，收敛速度快等特点。

1算法寻优过程

与其他优化算法类似，减法平均的优化算法也需要在寻优空间里随机初始化种群：

 

其中Xi,j为生成的个体，ubj和lbj分别为种群范围的上下边界，rand为0-1之间的随机数

2 SABO的数学建模

       SABO设计的基本灵感来自数学概念，如平均值、搜索代理位置的差异以及目标函数的两个值的差异符号。使用所有搜索代理的算术平均位置（即第t次迭代的总体成员），而不是仅仅使用例如最佳或最差搜索代理的位置来更新所有搜索代理（即第（t+1）次迭代的所有总体成员的构造）的位置，这不是新的想法，但是SABO的算术平均值的计算概念是完全唯一的，因为它是基于一个特殊的操作“-v”，称为搜索代理B从搜索代理A的v减法，其定义如下：

其中v是来自集合{1,2}的向量，F(A)和F(B)为相应个体A的适应度值

 

       其中是第i个搜索代理X的新位置，N为个体的总数，为维数为m的向量，其中各分量的值在区间[0,1]内呈正态分布。如果新位置适应度值提高，则接受新位置，否则保持不变。

3算法流程框图及仿真实验

3.1 流程框图

 3.2

 参考文献：[1]Trojovský P, Dehghani M. Subtraction-Average-Based Optimizer: A New Swarm-Inspired Metaheuristic Algorithm for Solving Optimization Problems. Biomimetics (Basel). 2023 Apr 6;8(2):