weixin_47365903的博客

群体中的每只海鸥总是朝着最好的生存方向前进，以最低的成本来寻找食物资源。海鸥算法简单的算法结构带来较低的算法复杂度和高效的计算能力，同时该算法也存在其他群智能算法的通病，在求解复杂优化问题时容易陷入局部最优、收敛精度低、鲁棒性差等问题。

它的尾巴长，能缠卷树枝。它有很长很灵敏的舌，伸出来要超过它的体长，舌尖上有腺体，能分泌大量粘液粘住昆虫。它一双眼睛十分奇特，眼帘很厚，呈环形，两只眼球突出，左右180度，上下左右转动自如，左右眼可以各自单独活动，不协调一致，这种现象在动物中是罕见的。变色龙用长舌捕食是闪电式的，只需1/25秒便可以完成，而且它们的舌头的长度是自己身体的2倍。变色龙算法（ＣＳＡ）是一种仿生算法，在数学上模拟并实现了变色龙狩猎的行为步骤，包括搜索食物，眼睛３６０°旋转追踪食物及使用自身舌头定位并抓住猎物的行为。

在地磁单元阶段寻优的过程中间，PIO算法会对整个群体中的最优解进行保留，然后进行个体速度与位置的迭代更新，对解空间进行充分的搜索，具有快速性与随机性，使得搜索的效率较高，种群的多样性较好。经典鸽群算法（pigeon-inspired optimization，PIO）由段海滨等人于2014年提出，该算法由地磁单元和地标单元两个导航单元构成，通过地磁单元和地标单元两个独立的阶段模拟鸽群进行速度和位置更新的导航机制，鸽群在地磁单元阶段根据当地磁场和太阳的高度来判别自身的位置，并进行速度的更新；

沙猫的家园，是贫瘠的沙漠，严重缺水，温差很大，最高可达50多摄氏度，最低达到零下10摄氏度。大脑袋、大眼睛、大耳朵，让它看上去很呆萌，但其实它的大耳朵，让它拥有了格外好的听力，可以探测到沙土中猎物发出的细微声音，随时通过声音来辨别四周的环境。沙猫擅长捕蛇，见到蛇类，就快速跑过去，以迅雷不及掩耳之势猛击蛇的头部，然后一口咬住蛇的后颈，锋利的牙齿一下子把蛇给咬断了，干脆利落，毫不拖泥带水。不过，沙猫毕竟太娇小了，面对毒蛇它不怕，但是面对体型较大的蛇，它就要预估捕猎风险了，知道自己打不过，就溜之大吉。

基于樽海鞘群算法的线性规划求解matlab程序1 樽海鞘群优化算法1.1 生物启示通过研究海底生物樽海鞘在觅食过程中群体呈链状向食物方向移动的行为活动，学者Mirjalili在2017年提出的一种新型启发式仿生算法—樽海鞘群智能优化算法（Salp Swarm Algorithm, SSA）。樽海鞘在生物分类中隶属樽海鞘科，身体形态为桶型，颜色略透明。它们的组织和水母非常相似，且运动方式也很像水母，樽海鞘的食物是浮游植物（海草等），它们是通过用身体吸—排海水从而进行运动。一般情况下樽海鞘身体长度为1-10厘米

萤火虫，别名火金姑，大多数的萤火虫都会发光，因为它们体内有专门的发亮细胞，发出光亮是它们的基本能力。算法的提出时间不长，对算法的改进和优化仍然处于初级阶段，但基本的FA算法足以被用来求解几乎所有领域科学和工程，如调度问题、旅行商问题、语义组成等领域。亮度强的萤火虫会吸引亮度弱的萤火虫，亮度弱的个体会移动到亮度强的个体周围。局部搜索能力强，可以精准定位局部最优解。FA算法的中心思想就是，所有个体都飞向比自己更亮的个体四周，飞行的最后结果就是所有的个体都围在了亮度最强的个体的四周，从而达到算法求解的目的。

当蜜蜂进行采蜜时，一部分工蜂转化为侦查蜂外出搜索食物源，只要发现高品质的蜜源，这些侦查蜂便会转变为采蜜蜂，采蜜后返回蜂巢大本营，通过跳“8”字型舞蹈或者圆圈舞将信息传达给同伴，这种舞蹈称为“摇摆舞”。自然界中蜜蜂与熊猫、仓鼠等独居动物不同，由于单个蜜蜂个体的行为特征十分简单，不能完成复杂的活动，因此蜜蜂常以群居的方式共同生活在一起，蜂群中的各个蜂种协同合作，各司其职，彼此间进行信息交互可以使蜂群具有复杂的行为模式，可以保证当蜂群处于恶劣的环境中时，依旧可以井然有序地搜索到蜜源的位置从而采集到花蜜。

排序种群的顶部植物解被认为是食肉植物CP，而剩余解（nPrey）是猎物猎物。在分组过程中，具有最佳适应值的猎物被分配给排名第一的食肉植物。3.这一分组对于减少有助于肉食性植物生长的许多劣质猎物的可能性至关重要，这对于提高肉食性植物的生存能力非常重要。新产生的食肉植物和猎物与以前的种群相结合，形成一个新的种群[nnCPlant（group_iter）nCPlant]×d维度。CPA是一种基于种群的优化算法，因此，它从初始化潜在问题的潜在解的种群开始。首先，在湿地中随机初始化由食肉植物和猎物组成的个体种群。..

基于杂草优化算法的线性规划问题求解matlab程序1 杂草算法简介1.1 IWO定义IWO是2006年由A. R. Mehrabian等提出的一种从自然界杂草进化原理演化而来的随机搜索算法，模仿杂草入侵的种子空间扩散、生长、繁殖和竞争性消亡的基本过程，具有很强的鲁棒性和自适应性。IWO算法是一种高效的随机智能优化算法，以群体中优秀个体来指导种群的进化，以正态分布动态改变标准差的方式将由优秀个体产生的子代个体叠加在父代个体周围，再经过个体之间的竞争，得到最优个体。算法兼顾了群体的多样性和选择力度。1

免疫算法的算子包括：亲和度评价算子、抗体浓度评价算子、激励度计算算子、免疫选择算子、克隆算子、变异算子、克隆抑制算子和种群刷新算子等。克隆抑制：对变异结果进行再选择，抑制亲和度低的抗体，保留亲和度高的 变异结果。（1）首先进行抗原识别，即理解待优化的问题，对问题进行可行性分析，提取先验知识，构造出合适的亲和度函数，并制定各种约束条件。（2）然后产生初始抗体群，通过编码把问题的可行解表示成解空间中的抗体，在解的空间内随机产生一个初始种群。（6）进行免疫处理，包括免疫选择、克隆、变异和克隆抑制。

在狼群中 α 是具有管理能力的个体，主要负责关于狩猎、睡觉的时间和地方、食物分配等群体中各项决策的事务。当整个狼群的 α 出现空缺时，β 将接替 α 的位置。β 在狼群中的支配权仅次于 α，它将 α 的命令下达给其他成员，并将其他成员的执行情况反馈给 α 起着桥梁的作用。金字塔第三层是 δ ，δ 听从 α 和 β 的决策命令，主要负责侦查、放哨、看护等事务。特别令人感兴趣的是，它们具有非常严格的社会等级层次制度，如图1所示。灰狼的社会等级在群体狩猎过程中发挥着重要的作用，捕食的过程在 α 的带领下完成。

通过对原始烟花算法的细致、深入的分析，针对原始烟花算法（FWA）的不足，提出了大量的改进方法，并据此发展了各种改进算法，以及与其他方法的混合方法，大大提高的原始烟花算法的性能，同时研究了烟花算法在求解不同类型优化问题的能力，还有大量的研究人员进行了烟花算法的应用研究，给出了一些典型的成功应用案例。尽管有这些不同的别称，这里统一采用原始的名称烟花算法，以免混淆。烟花算法 (Fireworks Algorithm)，缩写为 FWA，是受到夜空中烟花爆炸的启发而提出的一群体智能算法。1.2 烟花算法的研究进展。

在实际情况下，鹰会越来越接近预期的猎物，并通过执行突袭而增加了合作杀死猎物的机会。在HHO中，哈里斯鹰是候选方案，每一过程中最佳的候选方案被视为是预期的猎物或接近预期的猎物。哈里斯鹰优化算法是化(Harris Hawks Optimization,HHO)是Heidari等于2019年提出的一种群体优化算法，该算法模拟哈里斯鹰（美国亚利桑那州南部的猛禽）的捕食行为，主要分为探索阶段、探索与开发转换阶段和开发阶段。根据猎物的逃逸行为和哈里斯鹰的追逐策略，在HHO中提出了四种可能的策略来模拟攻击阶段。

基于鸡群优化算法的线性规划问题求解matlab程序1 鸡群优化算法简介新型的仿生学算法—鸡群优化算法，它模拟群的等级制度和鸡群的群体活动行为。在特殊的等级制度下鸡群中不同鸡种搜寻食物时存在着竞争。公鸡搜索食物能力强，适应值小；母鸡其次；小鸡搜索食物能力最弱，适应值最大。为了简化，文中通过下列规则理想化鸡群算法：鸡群按公鸡个数来分组，每组由一只公鸡、一些母鸡和小鸡组成，有几只公鸡就有几组。分组中，公鸡搜索能力最强，处于统治地位，适应值最小；搜索能力稍差的母鸡紧跟在公鸡周围搜索食物，适应度值稍大；其中一些母鸡还

麻雀搜索算法（sparrow search algorithm，SSA）由Jiankai Xue等人于2020年提出，该算法是根据麻雀觅食并逃避捕食者的行为而提出的群智能优化算法。SSA 主要是受麻雀的觅食行为和反捕食行为的启发而提出的。麻雀群觅食过程也是发现者-跟随者模型的一种，同时还叠加了侦查预警机制。麻雀中找到食物较好的个体作为发现者，其他个体作为跟随者，同时种群中选取一定比例的个体进行侦查预警，如果发现危险则放弃食物，安全第一。基于麻雀搜索算法的线性规划问题求解matlab程序。

本文将采用二进制编码的方式，将十进制的变量转换成二进制，用0和1组成的数字串模拟染色体，可以很方便地实现基因交叉、变异等操作。这是整个遗传算法的最后一步，经过若干次的进化过程，种群中适应度最高的个体代表问题的最优解，但这个最优解还是一个由0和1组成的数字串，要将它转换成十进制才能供我们理解和使用。适应度函数（Fitness Function）的选取直接影响到遗传算法的收敛速度以及能否找到最优解，因为在进化搜索中基本不利用外部信息，仅以适应度函数为依据，利用种群每个个体的适应程度来指导搜索。

（3）对每个粒子，用它的适应度值 fit[i]fit[i] 和个体极值 pbest(i)pbest(i) 比较。如果 fit[i]>pbest(i)fit[i]>pbest(i)，则用 fit[i]fit[i]替换掉 pbest(i)pbest(i)。（4）对每个粒子，用它的适应度值 fit[i]fit[i] 和全局极值 gbestgbest 比较。如果 fit[i]>gbestfit[i]>gbest 则用 fit[i]fit[i]替换掉 gbestgbest。否则返回步骤（2）。

基于鲸鱼算法的线性规划问题求解matlab程序1 鲸鱼算法座头鲸有特殊的捕猎方法，这种觅食行为被称为泡泡网觅食法；标准 WOA 模拟了座头鲸特有的搜索方法和围捕机制，主要包括：围捕猎物、气泡网捕食、搜索猎物三个重要阶段。WOA 中每个座头鲸的位置代表一个潜在解，通过在解空间中不断更新鲸鱼的位置，最终获得全局最优解。2 线性规划算例3 鲸鱼算法求解结果1）迭代曲线2）最优解4 matlab程序1）主函数