切诺贝利灾难优化器-CDO-机器学习优化-工程优化

切诺贝利灾难优化器-CDO（异常数据检测与修复/多源数据融合处理）

原理

切诺贝利灾难优化器是一种启发式优化算法，它的灵感可能来源于切尔诺贝利核灾难事件中的一些现象。其核心思想是模拟类似灾难场景中物质扩散、能量传播等复杂过程，将其转化为搜索空间中的搜索和优化行为。

算法流程

1. 初始化：

   • 首先，在搜索空间内随机生成一定数量的搜索代理（或粒子），这些搜索代理代表可能的解。每个搜索代理的位置通常是根据搜索空间的边界（下界 lb 和上界 ub）生成的随机值。
   • 初始化最优解及其对应的最优值，将最优值设置为一个极端值（如最小化问题设为正无穷）。

2. 迭代搜索：

   • 在每次迭代中，计算每个搜索代理的适应度，适应度通常由目标函数 fobj 评估得到。目标函数用于衡量当前搜索代理所代表的解的优劣程度。
   • 若某个搜索代理的适应度优于当前最优解，更新最优解和最优值。
   • 搜索代理的位置更新规则是该算法的核心，通常会引入一些随机性，模拟灾难中的不确定因素。例如，可能会添加随机扰动，使搜索代理在搜索空间内移动，这个扰动可以是一个随机向量，类似于灾难中的能量扩散、物质流动等的不确定性，推动搜索代理探索搜索空间的不同区域。
   • 同时，需要保证更新后的搜索代理位置在搜索空间内，即不超出 lb 和 ub 的范围，以确保搜索在有效的区域内进行。