强强联合!三种策略改进的蛇优化算法(GOSO)

原创改进——基于透镜反向学习改进的小龙虾优化算法(COA和ECOA) 小龙虾优化算法(Crayfsh optimization algorithm,COA)是2023新型智能优化算法-小龙虾优化算法,灵感来源于小龙虾的觅食、避暑和竞争行为。觅食阶段和竞争阶段是COA的开发阶段,避暑阶段是COC的探索阶段。;(Artifcial Intelligence Review),该期刊最新的影响因子是12,具有很好的研究价值。 阅读详情

概述

今天给大家带来的是一个改进的蛇算法(GOSO)。该算法是由作者自行改进。

算法融合了减法优化器算法,反向学习策略和混沌映射。

130a6207dc78f7ff7c754ed187fee9d6.png

01

原理简述

  • 融合减法优化器

    减法优化器算法是2023年最新的优化算法,该算法收敛速度和寻优精度极快,原理简单。有关减法优化器算法的原理请参考这篇文章。2023年优化算法之减法平均优化器,matlab代码直接复制,并与灰狼,粒子群算法比较

    这里简单说明一下为何选择该算法作为融合算法:

    减法优化器器算法原理简单,寻优速度快。由减法优化器的收敛曲线可以看到,该算法不论是前期还是后期,其寻优曲线基本上是一条直线,证明该算法不属于那种分阶段的寻优,不会因为前期或者后期更新方式的不同而导致陷入局部最优。反观蛇优化算法,蛇优化算法链接。在算法前期的寻优速度极慢,证明蛇算法在算法前期由于更新方式的缺陷,导致蛇处于休眠状态,无法快速找到食物。因此将勘探阶段的位置更新公式替换为减法优化器算法。

  • 透镜成像反向学习策略

    在蛇算法中加入反向学习策略,可以进一步加快收敛速度。透镜成像反向学习主要的思想是以当前坐标为基准通过凸透镜成像的原理生成一个反向位置来扩大搜索范围,这样可以既能跳出当前位置,又可以扩大搜索范围,提高了种群的多样性。基于透镜成像原理的反向学习公式如下:

    89cde724239282e586d3397522df4a91.png

  • 混沌映射策略

    该算法的粒子初始化公式太过单一,采用混沌映射的方法初始化粒子,可以优化初始解,提高算法的收敛速度。关于混沌映射的原理文章前面也介绍过,这里就不再详细介绍了。10种混沌映射优化灰狼算法,可一键切换,可用于优化所有群智能算法,以灰狼算法为例进行介绍

02改进效果

654fd38a682ab5dd472059c5f94e731c.png

2e4c5da054210546d2ae742bf8b1ce27.png

809551d5a186681d3ab865f7786d9805.png

e7dd9c3d5de2dafc8e947075860d329b.png

f63434cee3e2ca2efe151f9cd0db8403.png

029542d65b45e3d3fe1988858137c83e.png

c195baffa66bece855bc299b8f539620.png

评价:

可以看到,改进后的蛇优化算法(GOSO)效果还是不错的!以上结果作者都是一次性跑出来的。即便多次反复尝试,GOSO的效果都是最佳,并没有偶然性。该算法是作者自行改进,目前网上是搜索不到的。

03代码展示

%% 淘个代码 %%
% 2023/07/30 %
%微信公众号搜索:淘个代码
%%
clear
clc
close all
number='F9'; %选定优化函数,自行替换:F1~F23
[lb,ub,dim,fobj]=CEC2005(number);  % [lb,ub,D,y]:下界、上界、维度、目标函数表达式
SearchAgents=60;                      % population members 
Max_iterations=1000;                  % maximum number of iteration
%% 调用SO算法
[Xfood, Xvalue,CNVG] = SO(SearchAgents,Max_iterations,fobj, dim,lb,ub);  % Calculating the solution of the given problem using SO
display(['The best optimal value of the objective funciton found by SO  for ' [num2str(number)],'  is : ', num2str(Xvalue)]);
fprintf ('Best solution obtained by SO: %s\n', num2str(Xfood,'%e  '));
  %% 调用PSO算法
[g,gbest,gb]=PSO(SearchAgents,Max_iterations,lb,ub,dim,fobj);  % g 最佳位置% gbest 最佳适应度值% gb 收敛曲线
display(['The best optimal value of the objective funciton found by PSO  for ' [num2str(number)],'  is : ', num2str(gbest)]);
fprintf ('Best solution obtained by PSO: %s\n', num2str(g,'%e  '));
  %% 调用GWO算法
[Alpha_score,Alpha_pos,Convergence_curve]=GWO(SearchAgents,Max_iterations,lb,ub,dim,fobj);
display(['The best optimal value of the objective funciton found by GWO  for ' [num2str(number)],'  is : ', num2str(Alpha_score)]);
fprintf ('Best solution obtained by GWO: %s\n', num2str(Alpha_pos,'%e  '));
%% 调用GOSO算法
[GOSO_Xfood, GOSO_Xvalue,GOSO_CNVG] = GOSO(SearchAgents,Max_iterations,fobj, dim,lb,ub);  % Calculating the solution of the given problem using SO
display(['The best optimal value of the objective funciton found by GOSO  for ' [num2str(number)],'  is : ', num2str(GOSO_Xvalue)]);
fprintf ('Best solution obtained by GOSO: %s\n', num2str(GOSO_Xfood,'%e  '));
 %% Figure
figure1 = figure('Color',[1 1 1]);
G1=subplot(1,2,1,'Parent',figure1);
func_plot(number)
title(number)
xlabel('x')
ylabel('y')
zlabel('z')
subplot(1,2,2)
G2=subplot(1,2,2,'Parent',figure1);
CNT=35;
k=round(linspace(1,Max_iterations,CNT)); %随机选CNT个点
% 注意:如果收敛曲线画出来的点很少,随机点很稀疏,说明点取少了,这时应增加取点的数量,100、200、300等,逐渐增加
% 相反,如果收敛曲线上的随机点非常密集,说明点取多了,此时要减少取点数量
iter=1:1:Max_iterations;
semilogy(iter(k),gb(k),'k-*','linewidth',1);
hold on
semilogy(iter(k),Convergence_curve(k),'m->','linewidth',1);
hold on
semilogy(iter(k),CNVG(k),'r-^','linewidth',1);
hold on
semilogy(iter(k),GOSO_CNVG(k),'g-p','linewidth',1);




grid on;
title('收敛曲线')
xlabel('迭代次数');
ylabel('适应度值');
box on
legend('PSO','GWO','SO','GOSO')
set (gcf,'position', [300,300,800,350])

04

代码获取

完整代码获取,点击下方卡片后台回复关键词:

GOSO

融合透镜成像反向学习的精英引导混沌萤火虫算法(Matlab) 作者在前面的文章中介绍了萤火虫算法(FA),FA是一种功能强大、效率高的元启发式算法,该算法通过模拟自然界中萤火虫个体之间相互吸引的理想化行为达到寻优目的,在解决工程优化问题时表现出了良好的性能,一经提出便受到国内外研究人员的关注。然而FA算法也存在一些缺陷:首先,FA算法采用全吸引模型,由于FA算法中每只萤火虫都会被其他更亮的萤火虫吸引,吸引次数过多将导致收敛较慢,计算复杂度高; 阅读详情

相关推荐

蛇优化算法(Snake Optimizer)

一种新型的群智能优化算法(SO),该算法在求解速度上、求解质量上比其他算法都具有较好的优势。

m0_62274659的博客 2426

智能优化算法:蛇优化算法-附代码

智能优化算法:蛇优化算法 文章目录智能优化算法:蛇优化算法1.蛇优化算法简介2.蛇优化算法基本原理2.1 蛇交配行为2.2 灵感来源2.3 数学模型与算法2.3.1 初始化2.3.2 将种群分为雌性和雄性两个组2.3.3 勘探阶段(没食物)2.3.4 开发阶段(有食物)3.实验结果4.参考文献5.Matlab代码 1.蛇优化算法简介 蛇优化算法是2022年提出的一种新的元启发式算法,该算法是一种模仿蛇特殊交配行为的新型智能优化算法。对于每条蛇(雄性/雌性),如果在食物数量足够,温度很低的条件下,就会努力得到

Jack旭的博客 1万+

Mamba-ST实战:用状态空间模型实现艺术风格迁移的5个关键步骤

本文详细介绍了如何使用Mamba-ST状态空间模型实现高效的艺术风格迁移,涵盖环境配置、数据预处理、模型架构、训练策略和推理优化等5个关键步骤。Mamba-ST基于SSM(状态空间模型)构建,在保持生成质量的同时显著降低计算复杂度,为风格迁移领域提供了新的解决方案。

weixin_29163581的博客 357

蛇优化算法(SO),浅谈改进思路,MATLAB代码直接复制,

今天为大家带来的智能算法是:蛇优化算法(Snake Optimizer, SO),该算法是Hashim, F. A.和 Hussien, A. G两位教授于2022年提出的优化算法,其算法灵感来蛇的觅食和繁殖行为和模式。01 算法原理简述模拟了蛇在不同温度、不同食物条件下的不同行为模式,进行最优值的寻找。 SO 算法的灵感来源于蛇的交配模式。只有在温度较低且食物可用的条件下,蛇才会发生交配行为;否...

淘个代码 3207

VSCode连接SAP ABAP开发环境

本文介绍了使用VSCode连接ABAP开发环境的详细步骤。首先通过SICF或SMICM事务码获取ABAP连接地址,然后安装ABAP remote filesystem插件。提供了两种创建连接的方法:通过命令面板逐步配置(输入服务器地址、账号、系统标识等)或直接编辑JSON配置文件。最后通过命令面板选择已创建的连接即可完成连接,连接成功后可在VSCode左侧工作区查看ABAP系统内容进行开发。JSON配置方式更为简便推荐。整个流程帮助开发者摆脱复杂的Eclipse配置,实现快速便捷的ABAP开发环境搭建。

weixin_45293769的博客 2219

【紫光同创PG2L200H开发板】盘古200Pro+开发板(MES2L676-200HP)

开发板 SMA接口符合标准 SMA 接口规范,可使用”内螺旋+插针“的 SMA 线连接板卡”外螺旋+插孔”的 SMA 接口进行通信,板卡 SMA 接口与 FPGA 的 HSST 收发器的一路 RX/TX 相连,TX信号和 RX 信号都是以差分信号方式通过隔直电容连接 FPGA 和 SMA 接口, TX 发送和 RX 接收数据速率高达 6.6Gb/s。为了减轻带电插拔造成对 FPGA 芯片的损坏,在设计上在 JTAG 信号位置添加了保护二极管来保证信号的电压在 FPGA 接受的范围,避免 FPGA 的损坏。

MYMINIEYE的博客 2894

改进的智能优化算法合集(原创+复现)

↖加关注这种话银家怎么好意思说出口嘛--声明:对于作者的原创代码,禁止转售倒卖,违者必究!以下代码大部分为作者独家原创,大家可以拿走去水水论文。(为避免与别人重复,可以参考我的16种改进策略,稍作改动)有一些质量较高的代码,可以发一些高质量的期刊,因此标价会稍贵!这样也是为了防止作者呕心沥血写出来的代码烂大街。敬请谅解!代码目录①改进的智能优化算法常用的一些工具CEC2005/2017/2019/...

淘个代码 1711

Vivado ILA抓不到低频信号?试试Capture Control模式,保姆级配置教程(附PWM调试实例)

本文详细解析了Vivado ILA的Capture Control模式在低频信号捕获中的应用,特别针对PWM调试等场景提供保姆级配置教程。通过条件采样和时间拉伸技术,有效解决传统ILA采样在低频信号调试中的存储深度不足、关键信号丢失等问题,并附赠呼吸灯PWM的完整调试实例,帮助FPGA开发者提升调试效率。

weixin_42549451的博客 353

独家原创,改进的智能优化算法

↖加关注这种话银家怎么好意思说出口嘛--声明:对于作者的原创代码,禁止转售倒卖,违者必究!以下代码均为作者独家原创,大家可以拿走去水水论文。有一些质量较高的代码,可以发一些高质量的期刊,因此标价会稍贵!这样也是为了防止作者呕心沥血写出来的代码烂大街。敬请谅解!代码目录①改进的智能优化算法常用的一些工具CEC2005/2017/2019/2021/2022函数集智能优化算法对比实验常用指标一键导出为...

淘个代码 355

AI应用架构师:用RAG解决大模型“幻觉”问题的客服架构设计

在当今的智能客服领域,大语言模型(LLM)凭借流畅的对话能力和强大的理解能力,逐渐取代传统规则式机器人,成为客服系统的核心。但随之而来的“幻觉”问题(即模型编造不存在的信息)却成了致命伤:比如客户问“你们的产品保修期多久”,AI客服可能会自信地回答“3年”,而实际保修期只有1年——这种错误不仅会误导客户,还可能引发投诉、退货甚至法律风险。

AI天才研究院 916

Linux系统安全学习手册

Linux反弹shell Linux系统应急响应 Linux服务器安全加固 Linux下的用户、组和权限 Linux中的gcc Linux中su和sudo的用法和区别 Linux系统python2与python3共存 Linux中grep工具的使用 Linux中环境变量的设置 Linux中常见的150个命令(干货) Linux中编写Shell脚本 LNMP环境搭建Wordpress博客 LAMP环境搭建一个Discuz论坛 Linux运维比较常用的一些脚本 Linux系统中安装软

谢公子的博客 7535

多目标优化算法:多目标蛇优化算法MOSO(提供MATLAB代码)

一、算法简介 蛇优化算法(Snake Optimizer,SO)由Fatma A. Hashim和Abdelazim G. Hussien于2022年提出,该算模拟了蛇的觅食和繁殖行为。该算法是思路新颖,快速高效。 二、算法原理 雄性蛇和雌性蛇之间交配的发生受到某些因素的影响。蛇在春末和初夏交配,那时温度低。但交配过程不仅取决于温度,还取决于食物的充足性。如果温带低,食物充足;雄性蛇会互相争斗,以吸引雌性的注意力。雌性有权决定是否交配。如果发生交配,雌性开始在巢穴或洞穴中产卵,一旦卵出现,它就会离开。

IT猿手 8918

3D医学影像开发入门<一>:VS2019+DCMTK3.6.8编译及环境配置

3D医学影像开发入门:VS2019+DCMTK3.6.8编译及环境配置

欧特GO 1309

基于透镜成像学习策略的灰狼优化算法-附代码

在灰狼优化算法中 , C是一个重要的参数 , 其功能是负责算法的勘探能力 . 目前 , 针对参数 C的研究工作相对较少 .另外 , 在算法进化过程中 , 群体中其他个体均向 α 、 β 和 δ 所在区域靠近以加快收敛速度 . 然而 , 算法易陷入局部最优 . 为解决以上问题 , 本文提出一种改进的灰狼优化算法 (Lens imaging learning grey wolf optimizer algorithm, LIL-GWO). 该算法首先分析了参数 C 的作用 , 提出一种新的参数 C 策略以平衡算

Jack旭的博客 2254

S7-200SMART PLC中进行MODBUS RTU通信的3种方法(1)

S7-200SMART PLC中进行MODBUS RTU通信的3种方法(1)

Robot_PLC_HMI_Automation 4244

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

蛇优化算法

蛇优化算法

JiAngTxone的博客 2275

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

各种优化算法及其优缺点?

1)梯度下降:每次使用全部数据集进行训练 优点:得到的是最优解 缺点:运行速度慢,内存可能不够 2)随机梯度下降SGM 在随机梯度下降法中每次仅根据一个样本对模型中的参数进行调整 优点:可以一定程度上解决局部最优解的问题 缺点:容易震荡,收敛速度较慢 3)批量梯度下降BGM 优点:容易陷入局部最优解 缺点:收敛速度较快 4)mini_batch梯度下降 假设训练集中的样本的个...

Rnan_prince的博客 9602

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

多策略改进蜣螂优化--螺旋搜索+最优值引导+反向学习策略

声明:对于作者的原创代码,禁止转售倒卖,违者必究!关于蜣螂算法的原理网上有很多,本文就不再详细介绍,本期算法是作者在参考了网上一些文献后自行改进的,接下来直接上改进策略:①螺旋搜索策略在蜣螂优化算法(DBO)中,如果按照当前的在产卵区域内繁殖雏球,这肯定会使种群在短时间内快速收敛,但也会导致种群的多样性降低,容易使算法陷入局部最优;因此对蜣螂算法繁殖阶段的这个公式进行改进受到鲸鱼算法中头鲸种群围捕...

淘个代码 4786

2023年优化算法之减法平均优化器,matlab代码直接复制,并与灰狼,粒子群算法比较...

“今天的主角是:2023年4月份新鲜出炉的优化算法,“减法平均优化器”,目前知网还搜不到。该算法原理简单,非常适合新手,算上初始化粒子,总共就4个公式。但是!重点来了,该算法原理虽然简单,但是寻优效果却是极好的。下面会将该算法与粒子群算法和灰狼算法进行对比。”01—减法平均优化器原理减法优化器(Subtraction-Average-Based Optimizer,SABO)设计的基本灵...

淘个代码 4860

减法优化器SABO算法优化VMD参数,最小包络熵、样本熵、信息熵、排列熵(适应度函数可自行选择,一键修改)包含MATLAB源代码...

今天给大家带来一期由2023年智能优化算法减法优化器SABO优化VMD的两个参数。关于减法优化器SABO的原理及MATLAB代码的详细介绍大家可以看这篇文章。2023年优化算法之减法平均优化器,matlab代码直接复制,并与灰狼,粒子群算法比较同样以西储大学数据集为例,选用105.mat中的X105_BA_time.mat数据中1000个数据点。没有数据的看这篇文章。西储大学轴承诊断数据处理,ma...

淘个代码 1941

蛇优化算法(Snake Optimization,SO)(附Matlab代码,完整,免费)

蛇优化算法(Snake Optimization, SO)是2022年提出的一种元启发式优化算法,其灵感来源于蛇的交配行为。如果温度低,且食物充足,那么蛇就会相互交配,否则,蛇只会去寻找食物或吃现有的食物。依靠这些信息,将整个过程分为探索和开发。探索和开发之间的切换受环境因素影响,即温度和食物。

鹤鸣优化的博客 3744

蛇算法优化(SO)(附MATLAB源码)

蛇算法(Snake Optimizer,SO)由Fatma A. Hashim和Abdelazim G. Hussien于2022年提出!MATLAB源码有三个脚本,可出图!

weixin_51321149的博客 4566

2025年计算机领域一区TOP期刊最新算法——改进蛇优化算法

相比之下,ISO 的优化结果见图 (c),由于引入了 BPED 策略,ISO 的种群多样性显著提升,使得算法能够有效引入种群变异,全面探索多个局部与全局最优解区域,增加了跳出局部最优陷阱的可能性。从图中可以看出,在整个参数范围内,MSCS的Kolmogorov熵(K-熵)均高于逻辑映射和正弦映射,且其随控制参数变化较小,表明MSCS具有比逻辑映射和正弦映射更强的混沌稳定性和鲁棒性。K-熵是表征混沌系统的重要指标。在混沌系统中,K-熵大于零,且K-熵越高,信息丢失速率越快,表明系统具有更高的混沌度或复杂性。

淘个代码 1911

16种常用智能优化算法改进策略---剩余篇,可用于改进所有智能算法,让小白也会改进智能算法。...

俗话说,授人以鱼不如授人以渔。智能算法的改进作为一个创新点,大家任何时候都可以拿来去水水论文,甚至专利。网上关于智能算法改进的论文不计其数!但是,如果细数改进策略!也是能够数的过来的!之前作者推出过两篇关于智能算法常用的改进策略。包含的改进策略有:①莱维飞行,②随机游走,③螺旋飞行,④高斯随机游走,⑤三角形游走,⑥高斯变异,⑦t分布扰动变异,⑧自适应t分布扰动变异,⑨柯西变异,⑩差分变异。为了方便...

淘个代码 1万+

【智能算法】蛇优化算法(SO)原理及实现

其中探索阶段模拟蛇群在无食物情况下蛇类的行为模式, 开发阶段模拟食物存在时蛇类的行为模式, 蛇类行为模式通过实物总量Q和温度 Temp控制。如果Q<ThresholdQ(0.25) , 蛇通过选择任意随机位置来寻找食物, 并更新它们的位置。SO 算法首先生成一个均匀分布的随机群体,并假设蛇群中雌性与雄性占比均为50% , 群体分为雄性种群和雌性种群。其中,Xi,m表示第 i 只雄性位置,Xrand,m表示随机雄性的位置;Xi,m为雄性个体i的位置,Xbest,f为雌性群体中最佳位置,FM为雄性战斗力。

Logic_9527的博客 2690

2023年最新智能优化算法之——IBI逻辑优化算法(IBL),附MATLAB代码

2023年最新智能优化算法之——IBI逻辑优化算法(IBL),附MATLAB代码,CEC2005测试

淘个代码 4515
上一篇: 2023年智能优化算法---能量谷优化器 Energy valley optimizer(EVO),附MATLAB代码和文献...
下一篇: 改进正弦算法引导的蜣螂优化算法(MSADBO)
淘个代码_
博客等级 码龄7年 1万+粉丝 504原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

淘个代码_

不想刀我的可以选择爱我

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值