基于反向学习策略的麻雀搜索算法
文章目录
- 基于反向学习策略的麻雀搜索算法
- 1.反向学习策略
- 2.基于反向学习策略的麻雀搜索算法
- 3.算法结果：
- 4.Matlab代码
- 5.python代码
1.反向学习策略
反向学习策略是由 Tizhoosh 于 2005 年提出的，目前已在 GA、DE、ACO 和 BBO 等群体智能优化算法中得到了成功的应用。
定义1. 反向点。假设在上存在数
，则
的反向点定义为
。将反向点的定义扩展到
维空间，设
为
维空间中的一个点，其中
，
，则其反向点
，其中
根据上述定义，采用反向学习策略来产生初始种群个体的
步骤如下:
a) 在搜索空间中随机初始化 N 个麻雀个体位置作为初始种群
;
b) 根据定义 1，初始种群中的每个麻雀个体
的反向
个体 构成反向种群
;
c) 合并种群 和
，将其 2N 个麻雀个体按照适应度值
进行升序排序，选取适应度值前 N 个麻雀个体作为初始种群。
2.基于反向学习策略的麻雀搜索算法
该改进主要是在初始化种群时，利用反向学习策略初始化种群
算法流程
Step1： 利用反向学习策略初始化种群，迭代次数，初始化捕食者和加入者比列。
Step2：计算适应度值，并排序。
Step3：麻雀更新捕食者位置。
Step4：麻雀更新加入者位置。
Step5：麻雀更新警戒者位置。
Step6：计算适应度值并更新麻雀位置。
Step7：是否满足停止条件，满足则退出，输出结果，否则，重复执行Step2-6；
3.算法结果：
4.Matlab代码
5.python代码