基于人工食物链的动物群优化算法

为了解决目标函数中含有sin、cos等周期函数的优化问题,基于生态系统循环食物链思想提出了一种新型函数优化算法,即AFC-ASO算法。在该算法中,假设在生态系统中的某个循环食物链系统中生活有多种不同类型的动物,这些不同类型的动物采取循环食物链的方式维持该生态系统的生态平衡。进食的方法是采用攫取食饵动物部分器官或吸取其体内物质的方式,但不会危及食饵动物的生命;同类型的动物分雌、雄两种性别。每种类型的动物在该生态系统中活动时,具有捕食、交配、集群、逃逸、游弋五种行为,依据这五种行为构造出了相关的演化算子。其中,捕食算子能够使得个体器官间交换信息;交配算子能使强壮个体将其优良信息传给虚弱个体;集群算子能使个体摆脱局部最优解陷阱;避险算子能增强个体之间的分散度;闲逛算子可以增加当前个体的活跃度;生长算子能确保该算法具有全局收敛性。结果表明,算法对求解某些类型的复杂函数优化问题,特别是目标函数中含有sin、cos等周期函数的一类复杂函数优化问题,具有较高的适应性和收敛速度。

生态平衡动力学优化算法

为了解决复杂函数优化问题,提出了一种Lotka-Volterra生态平衡动力学优化算法。该算法假设在某个生态系统中有自养者、消费者和分解者3个种群。自养者主要是植物;消费者主要是以自养者为食的动物;分解者主要分解消费者的死有机体,并给自养者提供营养物质。根据上述生态系统中种群的关系构造出了消费者-自养者算子、自养者-分解者算子、分解者-消费者算子和生长算子。自养者、消费者和分解者种群的生长变化相当于搜索空间的试探解从一个位置转移到另外一个位置。该算法具有搜索能力强和全局收敛性的特点,为复杂优化问题的求解提供了一种解决方案。

基于SEIV传染病模型的函数优化方法

为了求解某些类型的复杂函数优化问题,基于SEIV传染病模型提出了一种新型函数优化算法,即SEIV算法。在该算法中,假设某个生态系统由若干个人和动物个体组成;每个人和动物个体均由若干个特征来表征。该生态系统存在一种传染病在人与动物之间传染,其传染规律为动物传给人或动物传给动物,这种传染病攻击的是个体的部分特征。每个染病个体均经历易感、暴露、接种或发病等阶段。个体的体质强弱是通过该个体的某些特征的暴露、某些特征的接种、某些特征的发病与某些特征的易感等情况综合决定的。依据SEIV传染病模型的疾病传播规律构造出了相关演化算子,其中E-E、V-V和I-I算子能传递强壮个体的特征信息,使得虚弱个体能向好的方向发展;S-E和S-S算子能使异类或同类(仅指动物)个体之间交换信息;S-V、V-S、E-I和E-V算子能使个体获得其他同类个体的平均特征信息,从而降低了个体陷入局部最优解的概率;S-S算子能使个体的活跃度提高,从而扩大搜索范围。体质强壮的个体能继续生长,而体质虚弱的个体则停止生长,从而确保该算法具有全局收敛性。结果表明,本算法对求解某些复杂函数优化问题具有较高的适应性和收敛速度。

基于记忆原理的人际关系优化算法

为求解复杂函数优化问题,基于人类记忆原理和人际关系,提出了一种新型函数优化方法,即MP-IRO算法。在该算法中,将个体分为恋人、知己、敌人、小人、陌生人5种对象类型,对应于恋爱、聚集、攻击、排斥、防御等5种行为,并构造相应的演化算子。恋爱算子能优先选择拥有长时记忆的个体,分享其表征特性;聚集算子能使个体摆脱局部最优解的陷阱;攻击算子能使个体之间活跃度增强;排斥算子能让个体远离瞬时记忆试探解方向,扩大搜索范围;防御算子能增加随机性。测试结果表明,本算法对求解复杂函数优化问题具有较高的适应性和收敛速度。