【2025最新智能优化算法】螳螂虾优化算法Mantis Shrimp Optimization Algorithm, MShOA

✅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

在神秘的海洋世界里，生活着这样一种独特的生物，它虽身形小巧，却凭借着令人惊叹的能力，在残酷的海洋生态系统中占据了一席之地，它就是螳螂虾。从分类学上来说，螳螂虾属于节肢动物门软甲纲口足目，严格意义上它并非我们平常所认知的虾类，不过其外形与捕食方式和陆地上的螳螂有相似之处，故而得名。它还有虾蛄、皮皮虾、濑尿虾等俗称，这些名字大家可能更为熟悉 。

螳螂虾的体型通常在 3 到 18 厘米左右，身体较为细长，不过可别被它的小巧身形所迷惑。就拿雀尾螳螂虾来说，它堪称螳螂虾家族中的颜值担当，同时也是凶猛的代表。其体表色彩斑斓，宛如被大自然精心绘制过，体基多为橄榄色或绿色，触角鳞片呈艳丽的橙红色，头胸甲前部有着白边的咖啡色蜂巢状网纹，3 对胸足及捕食爪则为醒目的红色，好似海洋中的 “时尚模特”。而且，螳螂虾存在显著的性别二形态，雄性的身体颜色往往更加鲜艳夺目，相比之下，雌性大多呈红色，色彩对比没有雄性那么强烈 。

螳螂虾最为人称道的，便是它那独一无二的视觉系统。它的复眼位于可灵活移动的眼茎上，这使得眼球能够相互独立地旋转，就如同自带了两个可全方位转动的摄像头，能自如地观察周围环境，并且眼球运动速度与识别功能完美兼容，在追踪猎物时，能够精准控制眼球旋转速度。

更令人惊叹的是，人类眼睛仅有三种视锥细胞，主要用于分辨红、绿、蓝三种颜色，进而混合出我们日常所见的各种色彩。而螳螂虾的眼睛至少有 12 种感光细胞，这些感光细胞平行排列成三个区域，赋予了每只眼睛深度感知和 “三目视觉” 的能力。这使得它们识别颜色的速度极快，能够区分光谱内的众多波长，甚至还可以感知圆偏振光。在海洋环境中，光线的传播和反射情况复杂，偏振光的存在为生物提供了额外的视觉信息。螳螂虾利用感知圆偏振光的能力，能够清晰地看到和测量与闪光或半透明物体的距离，这使其在从明亮到阴暗的不同光照环境中都具备强大的生存优势，无论是在清澈的浅海区域，还是光线昏暗的深海地带，都能敏锐地感知周围环境，巧妙地躲避天敌和精准地寻找食物 。

当螳螂虾在海洋中穿梭游动时，凭借着这双神奇的眼睛，它能迅速发现隐藏在珊瑚礁缝隙中的小鱼，或是悄悄移动的贝类。在捕食时，其对光线和色彩的敏锐感知，能帮助它准确判断猎物的位置、颜色和运动状态，大大提高了捕食效率，让猎物几乎无处遁形。可以说，螳螂虾的视觉系统是生物进化的杰作，是它在海洋中生存繁衍的关键 “法宝”，也正是这种独特的视觉能力，启发了科学家们研发出螳螂虾优化算法。

螳螂虾视觉秘密：偏振光的奇妙感知

螳螂虾能够识别线性偏振光和圆偏振光，这背后有着独特的原理。它的眼睛中具有特殊的光感细胞，这些细胞的作用类似于光学试验中的 1/4 波片。1/4 波片是一种能使互相垂直的两光振动间产生附加光程差的光学器件 ，通常由具有精确厚度的石英、方解石或云母制成。当光波通过螳螂虾眼睛里的这些特殊光感细胞时，就会发生偏振现象，进而实现线偏振光和圆偏振光之间的相互转换。

人造 1/4 波片常用于 DVD 和 CD 等播放器以及数码相机和摄像机中，不过人造设备往往只对一种波长的光敏感，而螳螂虾的眼睛则几乎完美支持从近紫外到红外之间的整个可见光光谱。这意味着螳螂虾能够利用这种特殊的视觉能力，在复杂多变的海洋环境中，捕捉到更为丰富的光线信息 。

在捕食过程中，偏振光感知能力发挥着关键作用。当小鱼在海水中游动时，其身体表面对光线的反射和散射会产生独特的偏振光信号。螳螂虾通过感知这些偏振光信号，不仅能够准确判断小鱼的位置，还能根据偏振光的变化，敏锐地察觉小鱼的运动方向和速度，从而提前规划好攻击路线，以迅雷不及掩耳之势发动攻击。

当遇到天敌时，比如章鱼，章鱼在水中的活动同样会改变周围光线的偏振特性。螳螂虾能够及时捕捉到这些偏振光的变化，迅速做出防御反应。它可能会迅速躲进珊瑚礁的缝隙中，利用周围环境来隐藏自己，或者摆出防御姿态，准备应对天敌的攻击。而且，偏振光还能帮助螳螂虾在黑暗或浑浊的水下环境中寻找食物。在光线昏暗的深海区域，或者海水中泥沙较多导致视线受阻时，普通的视觉信号可能会变得模糊不清，但偏振光信号依然能够被螳螂虾感知到，这使得它能够在这样的环境中精准定位猎物，大大提高了生存几率 。

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

function func_plot(func_name)

[LB,UB,Dim,F_obj]=Get_F(func_name);

switch func_name 

    case 'F1' 

        x=-100:2:100; y=x; %[-100,100]

    case 'F2' 

        x=-100:2:100; y=x; %[-10,10]

    case 'F3' 

        x=-100:2:100; y=x; %[-100,100]

    case 'F4' 

        x=-100:2:100; y=x; %[-100,100]

    case 'F5' 

        x=-200:2:200; y=x; %[-5,5]

    case 'F6' 

        x=-100:2:100; y=x; %[-100,100]

    case 'F7' 

        x=-1:0.03:1;  y=x  %[-1,1]

    case 'F8' 

        x=-500:10:500;y=x; %[-500,500]

    case 'F9' 

        x=-5:0.1:5;   y=x; %[-5,5]    

    case 'F10' 

        x=-20:0.5:20; y=x;%[-500,500]

    case 'F11' 

        x=-500:10:500; y=x;%[-0.5,0.5]

    case 'F12' 

        x=-10:0.1:10; y=x;%[-pi,pi]

    case 'F13' 

        x=-5:0.08:5; y=x;%[-3,1]

    case 'F14' 

        x=-100:2:100; y=x;%[-100,100]

    case 'F15' 

        x=-5:0.1:5; y=x;%[-5,5]

    case 'F16' 

        x=-1:0.01:1; y=x;%[-5,5]

    case 'F17' 

        x=-5:0.1:5; y=x;%[-5,5]

    case 'F18' 

        x=-5:0.06:5; y=x;%[-5,5]

    case 'F19' 

        x=-5:0.1:5; y=x;%[-5,5]

    case 'F20' 

        x=-5:0.1:5; y=x;%[-5,5]        

    case 'F21' 

        x=-5:0.1:5; y=x;%[-5,5]

    case 'F22' 

        x=-5:0.1:5; y=x;%[-5,5]     

    case 'F23' 

        x=-5:0.1:5; y=x;%[-5,5]  

end    

🔗 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、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 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、公交车时间调度、水库调度优化、多式联运优化

🌟 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）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 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

👇

5 往期回顾扫扫下方二维码