✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页:Matlab科研工作室
🍊个人信条:格物致知,完整Matlab代码及仿真咨询内容私信。
🔥 内容介绍
孟加拉虎(Panthera tigris tigris),作为世界上数量最多的虎亚种,主要栖息在南亚地区,是当之无愧的大型猫科动物。它们背侧呈现橘黄色,身上布满黑色条纹,腹面则为白色,标志性的 “王” 字斑纹在额头尤为醒目 。雌性孟加拉虎体长 155 - 191 厘米,体重 72 - 177 千克;雄性体长 168 - 217 厘米,体重 160 - 270 千克,体型上存在显著的地理差异,比如在印度、孟加拉国交界的孙德尔本斯红树林沼泽的虎种群体型偏小,而尼泊尔、印度北部和东北部的孟加拉虎则体型较大,是现存最大的猫科动物之一。
然而,曾经广泛分布于南亚大部分地区,包括印度、孟加拉国以及喜马拉雅山南坡等地的孟加拉虎,如今分布范围已急剧缩小,退缩到少数孤岛状的自然保护区。20 世纪,人类的滥捕滥杀以及对其栖息地的破坏,让孟加拉虎数量锐减。2010 年,孟加拉虎被世界自然保护联盟(IUCN)评定为濒危(EN)物种 ,世界各地的虎,包括孟加拉虎,均被《濒危野生动植物种国际贸易公约》(CITES)列入附录 I,禁止任何国际贸易。在中国,孟加拉虎仅在西藏南部有少量分布,自 1988 年起,所有虎亚种都被列为国家一级保护动物。
孟加拉虎能在自然界的生存竞争中占据一席之地,除了自身强壮的体魄,独特的群体狩猎行为也是关键。它们以各种有蹄动物为主食,偏好捕杀大型鹿类。与其他虎种多独自狩猎不同,孟加拉虎会集结成群体,协同作战。在长期的进化过程中,孟加拉虎形成了一套行之有效的群体狩猎策略,这一策略蕴含着猎物搜索、隐身接近和攻击狩猎三种精妙策略,而这三种策略也成为了孟加拉虎优化(Savannah Bengal Tiger Optimization ,SBTO)算法的灵感源泉。
孟加拉虎群体狩猎行为大揭秘
猎物搜索:敏锐感知,广域探寻
在南亚广袤的丛林、草原与沼泽地带,孟加拉虎开启狩猎之旅。它们凭借着极其敏锐的感官,如同天然的精密探测器,在自己的领地内仔细探寻猎物的踪迹。孟加拉虎的耳朵能够独立旋转,这让它们可以精准捕捉到 30 米外的细微声响,无论是猎物轻微的脚步声,还是风吹动草丛时猎物的动静,都逃不过它们的 “听力雷达” 。其嗅觉更是令人惊叹,是人类嗅觉的 6 倍之强,能在数公里之外就嗅到猎物的气味。当微风拂过,孟加拉虎会巧妙地站在下风口,这样不仅能更好地利用自己的嗅觉优势追踪猎物,还能避免自身气味被猎物察觉。
在猎物搜索阶段,孟加拉虎的活动范围广泛,它们会沿着熟悉的路径,或是在领地内的水源、盐渍地附近耐心等待,因为这些地方往往是食草动物频繁出没之处。它们会在领地内进行规律性的巡逻,不放过任何一个可能藏有猎物的角落。这种在广阔区域内对猎物踪迹的探寻行为,为孟加拉虎优化算法中的全局搜索策略提供了灵感。在算法中,就如同孟加拉虎在自然界中搜索猎物一般,在一个大范围的解空间里,通过某种方式去寻找潜在的解,不放过任何一个可能存在最优解的区域,尽可能全面地探索整个解空间。
隐身接近:悄无声息,步步逼近
一旦孟加拉虎发现了猎物的踪迹,接下来便会进入隐身接近阶段。它们深知自身的捕猎成功率很大程度上取决于接近猎物时的隐蔽程度。孟加拉虎橘黄色皮毛上布满的深邃黑色条纹,在光影斑驳的丛林、草地中,就像是天然的迷彩服,只要它们保持静止,就能与周边环境完美融合,实现 “隐身” 效果。
孟加拉虎的行动极为谨慎,它们会将身体尽量压低,腹部几乎贴近地面,四肢缓慢而轻柔地移动,每一步落下都悄然无声,避免踩断树枝或是惊扰到周围的树叶。它们会借助地形地物作为掩护,比如高大的草丛、茂密的灌木丛、倒下的树干等,一点点地向猎物靠近。在靠近的过程中,孟加拉虎还会密切观察猎物的一举一动,一旦猎物表现出警觉,它们就会立刻停止移动,保持静止状态,直到猎物放松警惕。
在算法里,隐身接近的过程可以类比为解在不断向更优方向迭代靠近最优解的过程。每一次迭代,就如同孟加拉虎向猎物靠近一步,算法中的解在不断调整自身的参数,就像孟加拉虎调整自己的位置和行动方式,逐渐接近全局最优解,这个过程也是在不断缩小与最优解之间的差距,以达到最终的目标。
攻击狩猎:雷霆一击,果断制胜
当孟加拉虎与猎物之间的距离缩短到合适范围,它们便会发起攻击。此时,之前所有的耐心等待与悄然靠近,都将转化为瞬间爆发的强大力量。孟加拉虎的肌肉瞬间紧绷,如同一根被拉满的强力弹簧,蓄积着巨大的能量。随后,它们会以迅雷不及掩耳之势猛然跃起,如同一道金色的闪电,直扑向猎物。
在攻击瞬间,孟加拉虎的速度和力量展露无遗。它们的爪子如同锋利的匕首,瞬间弹出,狠狠抓向猎物的身体,给猎物造成致命伤害。如果是面对体型较大的猎物,孟加拉虎还会利用自己强有力的下颚,迅速咬住猎物的喉咙,使其无法呼吸,最终窒息而亡。在群体狩猎时,孟加拉虎之间会相互配合,有的负责正面攻击,吸引猎物的注意力,有的则从侧翼或后方包抄,截断猎物的逃跑路线,大大提高狩猎的成功率。
这对应着算法中确定最优解并输出结果的阶段。经过前面全局搜索与局部迭代优化的过程,算法最终确定了最优解,就如同孟加拉虎成功捕获猎物一样,达成了目标。这个最优解是经过一系列复杂的计算和调整后得出的,就像孟加拉虎的成功捕猎是经过了精心的策划与实施,是整个算法流程的最终成果体现 。

1 单模态的基准测试函数

2 多模态的基准测试函数

3 复合基准测试函数


⛳️ 运行结果

📣 部分代码
🔗 参考文献
🎈 部分理论引用网络文献,若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🏆团队擅长辅导定制多种科研领域MATLAB仿真,助力科研梦:
🌟 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌟 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌟图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌟 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划(EVRP)、 双层车辆路径规划(2E-VRP)、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
🌟 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌟 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌟 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌟电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统(BMS)SOC/SOH估算(粒子滤波/卡尔曼滤波)、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进(扰动观察法/电导增量法)
🌟 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌟 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌟 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇
482

被折叠的 条评论
为什么被折叠?



