混沌精英黏菌算法-附代码

扎眼的阳光

2 年前

Table of Contents

混沌精英黏菌算法

文章目录

混沌精英黏菌算法

摘要：为进一步提高标准黏菌算法的收敛速度和求解精度，采用 Tent 混沌映射丰富种群多样性，同时引入精英反向学习策略扩大搜索范围。

1.黏菌算法

基础黏菌算法的具体原理参考，我的博客:https://blog.csdn.net/u011835903/article/details/113710762

2.改进黏菌算法

2.1 混沌初始化

采用 Tent 混沌映射在 SMA 算法迭代初期进行种群初始化，使得个体位置均匀分布在搜索空间内, 有助于提高算法求解效率。Tent 混池映射的数学表达式为
混沌精英黏菌算法-附代码
式（10）中: 表示映射次数; 表示第次映射函数值。

2.2 精英反向学习策略

反向学习策略(opposition-based learning, OBL) 是由 Tizhoosh 于 2005 年提出一种优化机制, 其主要原理是针对当前可行解, 同时计算和评估其反向解, 从中选取较优的解作为下一代个体。精英反向学习 (elite opposition-based learning, EOBL) 在前者基础上利用精英个体比一般个体包括更加丰富的有效信息和反向种群来增加种群多样性 , 扩大搜索空间; 通讨引入 EOBL 策略能够有效增强算法的全局搜索能力, 进一步提高算法的寻优性能。假设当前黏窗种群中精英个体（即当前最优解）为 , 其中为优化问题的空间维度, 则其精英反向解可以定义为

式 (11) 中: 为第维个体的数值; 为区间内服从正态分布的随机数; 表示第维搜索空间的动态边界, 其定义为

式中: 分别为第维个体的最小值和最大值。
当生成的反向解超出边界范眷时, 使用随机生成的方法进行越界重置, 具体描述为

综合上述, 改进的混池精英秥菌算法 (chaotic elite slime mould algorithm, CESMA) 可以利用伪代码表述其执行流程,如表 1 所示。