1 简介
自私羊群优化SHO算法是由Fausto于2017年提出的元启发式算法[16]，它主要基于汉密尔顿[17]提出的自私群理论来模拟猎物与捕食者之间的狩猎关系。当群体中的个体受到捕食者的攻击时，为了增加生存机会，群体中的个体产生聚集行为，个体更有可能移动到相对安全的位置（群体的中心位置），并且群体的边缘个体更容易受到攻击，这也导致群体的边缘个体逃离群体，以增加他们被捕食者攻击时的生存机会。该方法假设整个平原是一个解空间，该算法包含两个不同的搜索因子：被狩猎群和狩猎群。每个搜索因子通过一组不同的进化算子指导算法的计算，以便更好地模拟猎物与捕食者关系之间的关系。
2 部分代码
function [Best_hyena_score,Best_hyena_pos,Convergence_curve]=sho(N,Max_iterations,lowerbound,upperbound,dimension,fitness)
hyena_pos=init(N,dimension,upperbound,lowerbound);
Convergence_curve=zeros(1,Max_iterations);
Iteration=1;
while Iteration<Max_iterations
for i=1:size(hyena_pos,1)
H_ub=hyena_pos(i,:)>upperbound;
H_lb=hyena_pos(i,:)<lowerbound;
hyena_pos(i,:)=(hyena_pos(i,:).*(~(H_ub+H_lb)))+upperbound.*H_ub+lowerbound.*H_lb;
hyena_fitness(1,i)=fitness(hyena_pos(i,:));
end
if Iteration==1
[fitness_sorted FS]=sort(hyena_fitness);
sorted_population=hyena_pos(FS,:);
best_hyenas=sorted_population;
best_hyena_fitness=fitness_sorted;
else
double_population=[pre_population;best_hyenas];
double_fitness=[pre_fitness best_hyena_fitness];
[double_fitness_sorted FS]=sort(double_fitness);
double_sorted_population=double_population(FS,:);
fitness_sorted=double_fitness_sorted(1:N);
sorted_population=double_sorted_population(1:N,:);
best_hyenas=sorted_population;
best_hyena_fitness=fitness_sorted;
end
NOH=noh(best_hyena_fitness);
Best_hyena_score=fitness_sorted(1);
Best_hyena_pos=sorted_population(1,:);
pre_population=hyena_pos;
pre_fitness=hyena_fitness;
a=5-Iteration*((5)/Max_iterations);
HYE=0;
CV=0;
for i=1:size(hyena_pos,1)
for j=1:size(hyena_pos,2)
for k=1:NOH
HYE=0;
r1=rand();
r2=rand();
Var1=2*a*r1-a;
Var2=2*r2;
distance_to_hyena=abs(Var2*sorted_population(k)-hyena_pos(i,j));
HYE=sorted_population(k)-Var1*distance_to_hyena;
CV=CV+HYE;
distance_to_hyena=0;
end
hyena_pos(i,j)=(CV/(NOH+1));
CV=0;
end
end
Convergence_curve(Iteration)=Best_hyena_score;
Iteration=Iteration+1;
end
3 仿真结果
4 参考文献
[1]朱惠娟, 王永利, 陈琳琳. 面向三维模型轻量化的自私羊群优化算法研究[J]. 计算机工程与应用, 2020, 56(3):7.
