如何做正规的采集网站,个人导航网站如何赚钱,建站代理,做文案策划需要用到的网站蜜獾优化算法(Honey Badger Algorithm,HBA)是期刊“MATHEMATICS AND COMPUTERS IN SIMULATION”#xff08;IF 3.6#xff09;的2022年智能优化算法 01.引言
蜜獾优化算法(Honey Badger Algorithm,HBA)受蜜獾智能觅食行为的启发#xff0c;从数学上发展出一种求解优化问题的…蜜獾优化算法(Honey Badger Algorithm,HBA)是期刊“MATHEMATICS AND COMPUTERS IN SIMULATION”IF 3.6的2022年智能优化算法 01.引言
蜜獾优化算法(Honey Badger Algorithm,HBA)受蜜獾智能觅食行为的启发从数学上发展出一种求解优化问题的高效搜索策略。将蜜獾的动态搜索行为分为挖掘和寻蜜两种方法并将其描述为HBA的探索和开发阶段。此外通过控制随机化技术HBA即使在搜索过程结束时也能保持充足的种群多样性。
02.优化算法的流程
蜜獾是一种黑色和白色毛茸茸的哺乳动物经常在非洲、西南亚和印度次大陆的半沙漠和热带雨林中发现以其无畏的本性而闻名。这种狗(体长60至77厘米体重7至13公斤)是无所畏惧的觅食者捕食60种不同的物种包括危险的蛇。它是一种聪明的动物会使用工具而且它喜欢蜂蜜。它喜欢独自呆在自己挖的洞里和其他獾相遇只是为了交配。已知的蜜獾有12个亚种。蜜獾没有特定的繁殖季节因为全年都有幼崽出生。由于它们勇敢的天性当它们无法逃脱时它们会毫不犹豫地攻击更大的捕食者(见图1a)。这种动物也可以很容易地爬上树如图1b所示以达到鸟巢和蜂巢的食物。蜜獾用嗅觉老鼠的技巧通过缓慢地连续行走来定位猎物。它开始通过挖掘和最终捕获猎物来确定猎物的大致位置。在一天内它可以在半径40公里或更大的范围内挖多达50个洞。蜜獾喜欢蜂蜜但它不善于定位蜂箱。另一方面导蜜鸟(一种鸟)可以找到蜂巢但不能得到蜂蜜。这些现象导致了两者之间的关系鸟将獾带到蜂巢并用长爪帮助它打开蜂巢然后两者都享受团队合作的回报。HBA (Honey Badger Algorithm)是一种模仿蜜獾觅食行为的算法。为了寻找食物来源蜜獾要么闻要么挖要么跟着导蜜鸟。我们称第一种情况为挖掘模式第二种情况为蜂蜜模式。在先验模式中它利用嗅觉能力来估计猎物的位置;当到达那里时它会在猎物周围移动选择合适的地方挖掘和捕捉猎物。在后一种模式下蜜獾利用导蜜鸟的引导直接定位蜂巢。 03.论文中算法对比图 04.部分代码
function [Food_Score,Xprey,CNVG] HBA(N,tmax,lb,ub,dim,objfunc)
beta 6; % the ability of HB to get the food Eq.(4)
C 2; %constant in Eq. (3)
vec_flag[1,-1];
%initialization
Xinitialization(N,dim,ub,lb);
%Evaluation
fitness fun_calcobjfunc(objfunc, X);
[GYbest, gbest] min(fitness);
Xprey X(gbest,:);
for t 1:tmaxalphaC*exp(-t/tmax); %density factor in Eq. (3)IIntensity(N,Xprey,X); %intensity in Eq. (2)for i1:Nr rand();Fvec_flag(floor(2*rand()1));for j1:1:dimdi((Xprey(j)-X(i,j)));if r.5r3rand; r4rand; r5rand;Xnew(i,j)Xprey(j) F*beta*I(i)* Xprey(j)F*r3*alpha*(di)*abs(cos(2*pi*r4)*(1-cos(2*pi*r5)));elser7rand;Xnew(i,j)Xprey(j)F*r7*alpha*di;endendFUXnew(i,:)ub;FLXnew(i,:)lb;Xnew(i,:)(Xnew(i,:).*(~(FUFL)))ub.*FUlb.*FL;tempFitness fun_calcobjfunc(objfunc, Xnew(i,:));if tempFitnessfitness(i)fitness(i)tempFitness;X(i,:) Xnew(i,:);endendFUXub;FLXlb;X(X.*(~(FUFL)))ub.*FUlb.*FL;[Ybest,index] min(fitness);CNVG(t)min(Ybest);if YbestGYbestGYbestYbest;Xprey X(index,:);end
end
Food_Score GYbest;
end
function Y fun_calcobjfunc(func, X)
N size(X,1);
for i 1:NY(i) func(X(i,:));
end
end
function IIntensity(N,Xprey,X)
for i1:N-1di(i) ( norm((X(i,:)-Xpreyeps))).^2;S(i)( norm((X(i,:)-X(i1,:)eps))).^2;
end
di(N)( norm((X(N,:)-Xpreyeps))).^2;
S(N)( norm((X(N,:)-X(1,:)eps))).^2;
for i1:Nr2rand;I(i)r2*S(i)/(4*pi*di(i));
end
end
function [X]initialization(N,dim,up,down)
if size(up,2)1Xrand(N,dim).*(up-down)down;
end
if size(up,2)1for i1:dimhighup(i);lowdown(i);X(:,i)rand(N,1).*(high-low)low;end
end
end
04.本代码效果图 获取代码请关注MATLAB科研小白的个人公众号即文章下方二维码并回复智能优化算法本公众号致力于解决找代码难写代码怵。各位有什么急需的代码欢迎后台留言~不定时更新科研技巧类推文可以一起探讨科研写作文献代码等诸多学术问题我们一起进步。
