智能优化算法：黑猩猩优化算法-附代码

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：
$d=|cX_{prey}(t)-mX_{chimp}(t)| \tag{1}$

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

式中:$d$为黑猩猩与猎物间距; $t$为当前迭代次数;$X_{prey}(t)$为猎物位置向量; $X_{chimp}(t)$为黑猩猩位置向量; $a、m、c$为系数向量，$a = 2fr_1-f$，$c = 2r_2$ ，$m=Chaotic_value $​(基于混沌映射的混沌向量)，$f$ 为迭代过程中从2非线性降至0，$r_1,r_2$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：
$\begin{cases}d_{Attacker}=|c_1X_{Attacter}-m_1X|\\ d_{Barrier}=|c_2X_{Barrier}-m_2X|\\ d_{Chaser}=|c_3X_{Chaser}-m_3X|\\ d_{Driver}=|c_4X_{Driver}-m_4X|\end{cases}\tag{3}$

$\begin{cases}X_1=X_{Attacter}-a_1d_{Attacker}\\ X_2=X_{Barrier}-a_2d_{Barrier}\\ X_3=X_{Chaser}-a_3d_{Chaser}\\ X_4 =X_{Driver}-a_4d_{Driver} \end{cases}\tag{4}$

$X(t+1)=\frac{X_1+X_2+X_3+X_4}{4}\tag{5}$

式中: $d_{Attacker} 、d_{Barrier} 、d_{Chaser} 、d_{Driver}$ 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; $x_{Attacker} 、x_{Barrier} 、x_{Chaser} 、x_{Driver}$ 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; $a_1 ～ a_4 、m_1 ～ m_4 、c_1～ c_4$ 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; $X$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.