樽海鞘优化算法(Salp Swarm Algorithm,SSA)是一种新型群智能优化算法,该算法模拟了樽海鞘在海洋中航行和觅食时的群集行为,具有进化能力强、搜索速度快、寻优能力强的特点。该成果于2017年发表在知名SCI期刊Advances in engineering software上。目前在谷歌学术上有着很高的被引量,共被引3812次。
多数时期里多个樽海鞘聚集后形成长链,由此组成的樽海鞘链帮助其完成快速浮游和觅食。SSA算法数学模型由领导者和追随者两种类型组成,领导者部分是樽海鞘链的头的部分,这一部分樽海鞘会一定程度的朝着食物源前进,有利于算法的探索开发,而樽海鞘的追随者部分是樽海鞘链的后半部分,这一部分樽海鞘群体跟着领导者运动,有利于算法的局部搜索。
算法原理
(1)领导者位置更新
樽海鞘链领导者的位置更新公式如下: 式中, 表示第 只领导的樽海鞘在第 维空间的位置, 表示第 维空间食物源的位置,系数 , 为[0,1]区间的随机数; , 分别表示第 维空间所对应的上界、下界;式中, 系数的数学公式如下: 式中, 表示当前迭代次数, 表示最大迭代次数。系数 与当前种群的迭代次数有关,即在迭代初期时,该系数较大,樽海鞘会尽可能地向食物源可能存在的区域探索开发,当达到一定迭代次数则探索能力下降,樽海鞘只会在食物源附近探索,系数 主要用于控制整个群体的探索能力和开发能力。
(2)追随者位置更新
樽海鞘追随者的位置更新公式如下: 其中, 表示第 只追随的樽海鞘在第 维空间的位置, 表示第 只追随的樽海鞘在第 维空间的位置。这个公式表示,跟随者樽海鞘会向自己前一个樽海鞘移动,移动的距离是自己到对方距离的一半
结果展示
以为CEC2005函数集为例,进行结果展示:
MATLAB核心代码
function [FoodFitness,FoodPosition,Convergence_curve]=SSA(N,Max_iter,lb,ub,dim,fobj)
if size(ub,1)==1
ub=ones(dim,1)*ub;
lb=ones(dim,1)*lb;
end
Convergence_curve = zeros(1,Max_iter);
%Initialize the positions of salps
SalpPositions=initialization(N,dim,ub,lb);
FoodPosition=zeros(1,dim);
FoodFitness=inf;
%calculate the fitness of initial salps
for i=1:size(SalpPositions,1)
SalpFitness(1,i)=fobj(SalpPositions(i,:));
end
[sorted_salps_fitness,sorted_indexes]=sort(SalpFitness);
for newindex=1:N
Sorted_salps(newindex,:)=SalpPositions(sorted_indexes(newindex),:);
end
FoodPosition=Sorted_salps(1,:);
FoodFitness=sorted_salps_fitness(1);
%Main loop
l=2; % start from the second iteration since the first iteration was dedicated to calculating the fitness of salps
while l<Max_iter+1
c1 = 2*exp(-(4*l/Max_iter)^2); % Eq. (3.2) in the paper
for i=1:size(SalpPositions,1)
SalpPositions= SalpPositions';
if i<=N/2
for j=1:1:dim
c2=rand();
c3=rand();
if c3<0.5
SalpPositions(j,i)=FoodPosition(j)+c1*((ub(j)-lb(j))*c2+lb(j));
else
SalpPositions(j,i)=FoodPosition(j)-c1*((ub(j)-lb(j))*c2+lb(j));
end
end
elseif i>N/2 && i<N+1
point1=SalpPositions(:,i-1);
point2=SalpPositions(:,i);
SalpPositions(:,i)=(point2+point1)/2; % % Eq. (3.4) in the paper
end
SalpPositions= SalpPositions';
end
for i=1:size(SalpPositions,1)
Tp=SalpPositions(i,:)>ub';Tm=SalpPositions(i,:)<lb';SalpPositions(i,:)=(SalpPositions(i,:).*(~(Tp+Tm)))+ub'.*Tp+lb'.*Tm;
SalpFitness(1,i)=fobj(SalpPositions(i,:));
if SalpFitness(1,i)<FoodFitness
FoodPosition=SalpPositions(i,:);
FoodFitness=SalpFitness(1,i);
end
end
Convergence_curve(l)=FoodFitness;
l = l + 1;
end
参考文献
[1] Mirjalili S, Gandomi A H, Mirjalili S Z, et al. Salp Swarm Algorithm: A bio-inspired optimizer for engineering design problems[J]. Advances in engineering software, 2017, 114: 163-191.
完整代码获取方式:后台回复关键字:
TGDM990