智能算法之樽海鞘优化算法(SSA)，原理公式详解，附matlab代码

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