智能优化算法：黑猩猩优化算法-附代码

文章目录

智能优化算法：黑猩猩优化算法-附代码
- 1.算法原理
- - 1.1 驱赶和追逐猎物
  - 1.2 攻击方式
  - 1.3 攻击和寻找猎物
- 2.算法结果
- 3.参考文献
- 4.Matlab代码

摘要：黑猩猩优化算法(ChOA) 是 M． Khishe 等人于2020 年根据黑猩猩群体狩猎行为提出的一种新型元启发式优化算法。具有收敛速度快，精度高等特点。

1.算法原理

ChOA 通过模拟攻击黑猩猩、驱赶黑猩猩、拦截黑猩猩和追逐黑猩猩 4 类黑猩猩协同狩
猎行为来达到求解问题的目的。

1.1 驱赶和追逐猎物

在黑猩猩狩猎过程中，通常根据黑猩猩个体智力和性动机来分配狩猎职责。任
何黑猩猩均可随机改变其在猎物周围空间中的位置，数学描述为：
d=∣cXprey(t)−mXchimp(t)∣(1)d=|cX_{prey}(t)-mX_{chimp}(t)| \tag{1} d=∣cXprey(t)−mXchimp(t)∣(1)

Xchimp(t+1)=Xprey(t)−ad(2)X_{chimp}(t+1)=X_{prey}(t)-ad\tag{2} Xchimp(t+1)=Xprey(t)−ad(2)

式中:ddd为黑猩猩与猎物间距; ttt为当前迭代次数;Xprey(t)X_{prey}(t)Xprey(t)为猎物位置向量; Xchimp(t)X_{chimp}(t)Xchimp(t)为黑猩猩位置向量; a、m、ca、m、ca、m、c为系数向量，a=2fr1−fa = 2fr_1-fa=2fr1−f，c=2r2c = 2r_2c=2r2 ，$m=Chaotic_value (基于混沌映射的混沌向量)，(基于混沌映射的混沌向量)，(基于混沌映射的混沌向量)，f$ 为迭代过程中从2非线性降至0，r1,r2r_1,r_2r1,r2为[0,1]范围内的随机向量。

1.2 攻击方式

黑猩猩能够探查猎物位置(通过驱赶、拦截和追逐)，然后包围猎物。狩猎过程通常由
攻击黑猩猩进行，驱赶黑猩猩、拦截黑猩猩和追逐黑猩猩参与狩猎过程。4 类黑猩猩通过下式更新其位置，其他黑猩猩根据最佳黑猩猩位置更新其位置，猎物位置由最佳黑猩猩个体位置估计。数学描述为：
{dAttacker=∣c1XAttacter−m1X∣dBarrier=∣c2XBarrier−m2X∣dChaser=∣c3XChaser−m3X∣dDriver=∣c4XDriver−m4X∣(3)\begin{cases}d_{Attacker}=|c_1X_{Attacter}-m_1X|\\ d_{Barrier}=|c_2X_{Barrier}-m_2X|\\ d_{Chaser}=|c_3X_{Chaser}-m_3X|\\ d_{Driver}=|c_4X_{Driver}-m_4X|\end{cases}\tag{3} ⎩⎪⎪⎪⎨⎪⎪⎪⎧dAttacker=∣c1XAttacter−m1X∣dBarrier=∣c2XBarrier−m2X∣dChaser=∣c3XChaser−m3X∣dDriver=∣c4XDriver−m4X∣(3)

{X1=XAttacter−a1dAttackerX2=XBarrier−a2dBarrierX3=XChaser−a3dChaserX4=XDriver−a4dDriver(4)\begin{cases}X_1=X_{Attacter}-a_1d_{Attacker}\\ X_2=X_{Barrier}-a_2d_{Barrier}\\ X_3=X_{Chaser}-a_3d_{Chaser}\\ X_4 =X_{Driver}-a_4d_{Driver} \end{cases}\tag{4} ⎩⎪⎪⎪⎨⎪⎪⎪⎧X1=XAttacter−a1dAttackerX2=XBarrier−a2dBarrierX3=XChaser−a3dChaserX4=XDriver−a4dDriver(4)

X(t+1)=X1+X2+X3+X44(5)X(t+1)=\frac{X_1+X_2+X_3+X_4}{4}\tag{5} X(t+1)=4X1+X2+X3+X4(5)

式中: dAttacker、dBarrier、dChaser、dDriverd_{Attacker} 、d_{Barrier} 、d_{Chaser} 、d_{Driver}dAttacker、dBarrier、dChaser、dDriver 分别为当前攻击黑猩猩、拦截黑猩猩、追逐黑猩猩、驱赶黑猩猩与猎物的间距; xAttacker、xBarrier、xChaser、xDriverx_{Attacker} 、x_{Barrier} 、x_{Chaser} 、x_{Driver}xAttacker、xBarrier、xChaser、xDriver 分别为攻击黑猩猩、拦截黑猩猩、追逐黑猩猩、驱赶黑猩猩相对于猎物的位置向量; a1～a4、m1～m4、c1～c4a_1 ～ a_4 、m_1 ～ m_4 、c_1～ c_4a1～a4、m1～m4、c1～c4 分别为攻击黑猩猩、拦截黑猩猩、追逐黑猩猩、驱赶黑猩猩系数向量;$ X_1 、X_2 、X_3 、X_4 $分别为攻击黑猩猩、拦截黑猩猩、追逐黑猩猩和驱赶黑猩猩位置更新向量; XXX为其他黑猩猩位置向量。

1.3 攻击和寻找猎物

在狩猎最后阶段，一方面黑猩猩根据攻击者、驱赶者、拦截者和追逐者位置更新位置，并攻击猎物;另一方面黑猩猩通过分散寻找猎物显示探查过程，即 ChOA 全局搜索。

2.算法结果

3.参考文献

[1]Khishe M., ,and Mosavi M.R…“Chimp Optimization Algorithm.” Expert Systems with Applications .prepublish(2020): doi:10.1016/j.eswa.2020.113338.

[1]程国森,崔东文.黑猩猩优化算法-极限学习机模型在富水性分级判定中的应用[J].人民黄河,2021,43(07):62-66+103.

4.Matlab代码

改进算法matlab代码

名称	说明或者参考文献
多策略黑猩猩优化算法	[1]黄倩,刘升,李萌萌,郭雨鑫.多策略黑猩猩优化算法研究及其工程应用[J/OL].计算机工程与应用:1-12[2021-10-25].http://kns.cnki.net/kcms/detail/11.2127.TP.20210806.1055.011.html.