智能优化算法：秃鹰搜索算法
@[toc]
摘要：秃鹰搜索 (bald eagle search,BES) 优化是马来西亚学者Alsattar 于2020年提出的一种新型元启发式算法, 该算法具有较强的全局搜索能力, 能够有效地解决各类复杂数值优化问题的优点。
1.算法原理
秃鹰遍布于北美洲地区, 飞行中视力敏锐, 观察能力优秀. 以捕食鲑鱼为例, 秃鹰首先会基于个体和种群到鲑鱼的浓度来选择搜索空间, 朝一个特定区域飞行; 其次在选定搜索空间内搜索水面, 直到发现合适的猎物; 最后秃鹰会逐渐改变飞行高度, 快速向下俯冲, 从水中成功捕获鲑鱼等猎物.
BES 算法以秃鹰捕食猎物的行为进行模拟, 将其分为选择搜索空间、搜索空间猎物和俯冲捕获猎物三个阶段, 数学模型如下所示:
1.1 选择搜索空间
秃鹰随机选择搜索区域, 通过判断猎物数目来确定最佳搜寻位置, 便于搜索猎物,该阶段秃鹰位置更新由随机搜索的先验信息乘以
来确定. 该行为数学模型描述为:
式中: 表示控制位置变化参数, 变化范围为 (1.5,2);
为 (0,1) 间随机数;
为当前秃鹰搜索确定的最佳搜索位置;
为先前搜索结束后秃鹰的平均分布位置;
为第
只秃鹰位置.
1.2 搜索空间猎物 (探索)
秃鹰在选定搜索空间内以螺旋形状飞行搜索猎物, 加速搜索进程, 寻找最佳俯冲捕获位置. 螺旋飞行数学模型采用极坐标方程进行位置更新, 如下所示:
其中: 与
分别为螺旋方程的极角与极径;
与
是控制螺旋轨迹的参数, 变化范围分别为 (0,5)、(0.5,2);
为 (0,1) 内随机数,
与
表示极坐标中秃鹰位置, 取值均为 (-1,1). 秃鹰位置更新如下:
1.3 俯冲捕获猎物 (利用)
秃鹰从搜索空间的最佳位置快速俯冲飞向目标猎物, 种群其他个体也同时向最佳位置移动并攻击猎物, 运动状态仍用极坐标方程描述, 如下:
俯冲中秃鹰位置更新公式为:
式中: 与
表示秃鹰向最佳与中心位置的运动强度, 取值均为 (1,2).
算法流程：
step1：初始化秃鹰算法参数，初始化种群
step2：计算适应度值
step3：秃鹰选择搜索空间，利用式（1）更新位置
step4：秃鹰在搜索空间搜索猎物，利用式（6）更新位置
step5：秃鹰俯冲，利用式(16),更新位置
step6: 判断是否达到结束条件，如果达到则输出最优结果，否则重复步骤step2-step6.
2.实验结果
3.参考文献
[1]Alsattar H A, Zaidan A A, Zaidan B B. Novel meta-heuristic bald eagle search optimisation algorithm[J]. Artificial Intelligence Review: An International Science and Engineering Journal, 2020,53(8): 2237-2264.
[1]贾鹤鸣,姜子超,李瑶.基于改进秃鹰搜索算法的同步优化特征选择[J/OL].控制与决策:1-9[2021-02-09].https://doi.org/10.13195/j.kzyjc.2020.1025.
