一、樽海鞘算法
樽海鞘是一种透明的桶状生物，和水母比较相似。它通过吸水、喷水来移动的。由于它生活在寒带的深海里面，给我们的研究造成了一定的困扰。但是，这并不影响我们对它的研究。在深海里，樽海鞘是以樽海鞘链的形式存在，这就是我们感兴趣的群体行为之一。
樽海鞘群算法就是在模拟樽海鞘的聚集行为，它们组成樽海鞘链，然后进行捕食和移动。樽海鞘链由两种类型的樽海鞘组成：领导者和追随者，领导者是链的头部的樽海鞘，链上后边的都是追随者角色。
首先，我们将樽海鞘链分为两组：1、领导者；2、追随者。
领导者就是樽海鞘链前端的部分；追随者就是樽海鞘链后端的部分。
首先，领导者的位置跟新公式：
更新追随者位置
二、混沌映射与动态学习的自适应樽海鞘群算法( CDSSA)
针对樽海鞘群算法（ Salp SwarmΔ lgorithm，SSΔ）在寻优过程中存在的收敛速度较慢、容易陷入局部最优的缺点，提出了一种改进的采用莱维飞行策略的条件化更新的樽海鞘群算法（ Levy Flight-based CondiTIonal UpdaTIng Salp Swarm algorithm， LECUSSA），并将其运用于分类算法的特征子集选择过程。首先，利用莱维飞行策略的长短跳跃特点对领导者位置进行随机更新，以增强全局最优的搜索能力;其次，増加对追随者位置的更新条件，让追随者不再盲目地跟随，从而加快收敛速度。在23个优化基准函数上对 LECUSSA算法与其他算法进行了性能比较实验;并把算法运用到支持向量机（ Support vector Machine，sSVM）算法的分类特征子集选择中，采用8个UCⅠ数据集对特征选择后的分类结果进行了性能比较实验。实验结果表明， LECUSSA具有良好的全局最优搜索能力和较快的收敛速度，利用 LECUSSA算法进行特征选择后，能够找到最佳分类准确率的特征子集。
三、、运行结果
》》 喜欢可以关注我
