智能优化算法:鸡群优化算法-附代码

2023年12月5日发(作者：光辉灿烂)

-

智能优化算法：鸡群优化算法-附代码智能优化算法：鸡群优化算法-附代码文章目录摘要：鸡群算法 (Chicken Swarm Optimization，CSO) 是一种新颖的仿生学算法，充分继承群智能优化特点，创新采用个体分类、协作优化，最大程度挖掘最优解，又能很好避免早熟现象。具有收敛快，寻优能力强的特点。1.算法原理1.1 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：1. 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。2. 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；其中一些母鸡还带领小鸡，小鸡搜索能力最差，只在母鸡周围搜索食物，适应度值最大，实现局部搜索功能。3. 在等级制度下，分组中公鸡的统治关系和母鸡 - 小鸡的母子关系将会改变。4. 通过适应度值来建立这种等级秩序，并随机分组建立公鸡与母鸡的关系，随机建立母鸡—小鸡的母子关系。鸡群中，适应度值越小的个体越占有优势，可以优先获得食物，并且统领适应度值大的个体。 适应度值最小的个体对应鸡群中的公鸡，稍大的对应于母鸡，最大的对应于小鸡，在这种等级秩序下它们以组为单位合作，并按照各自的运动规律更新位置，进行搜索，最终搜索到最佳的觅食位置，即得到最优解。1.2 位置更新策略因为不同的鸡种有不同的运动规律， 因此，以下 3 种个体的位置更新策略各不相同。1.2.1公鸡的位置更新策略适应度好的公鸡能够在更大的范围内搜索食物，而且比适应度差的公鸡能够优先获得食物实现全局搜索，它的位置更新受随机选取的其他公鸡位置的影响，则更新策略见式（1）-（2）xi,j=xi,j[1+Randn(0,δ2)]t+1t(1)1,fi≤fs⎧⎪fs−fi∣fi∣+ε,fi>fs⎨e⎪⎩=iδ2=s∈[1,RN],s(2)式 (1)-(2) 中：第

i 只公鸡位置的第 j 维的值表示为，s 表示当前的迭代次数，表示服从期望值为0 ，方差值为 2 的正态分布随机数， 第

i只公鸡的适应度为

fi ，随机选取公鸡

s 的适应度为

fs ， 分母中加上无穷小数

ε ，避免除数为零。1.2.2 母鸡的位置更新策略母鸡跟随伙伴公鸡搜索食物，位置更新受伙伴公鸡位置影响。由于母鸡的偷食行为，位置更新又与其它公鸡和母鸡有关系，则更新策略见式(3)-(5) 。xi,j=xi,j+k1∗Rand∗(xr1−xi,j)+k2∗Rand∗(xr2,j−xi,j)t+1ttttt(3)k1=efi−fr1∣fi+ε∣(4)k2=ef2−fir(5)式 (3)-(5) 中： Rand 是一个服从 [0,1] 均匀分布的随机数，该母鸡的伙伴公鸡

r1 的适应度值为

fr1 ，

k1表示其伙伴公鸡对其的影响因子，其他公鸡和母鸡中随机选取个体

r2 的适应度值为

fr2 ，

k2 为其他鸡对其的影响因子。2.2.3 小鸡的位置更新策略小鸡在其母亲周围搜寻食物，它的搜索能力最差，位置受到母亲公鸡的影响，则更新策略见式 (6) 。xi,j=xi,j+P(xm,j−xi,j)t+1ttt(6)式 (6) 中：母亲母鸡m位置的第j维数值为

xm ，

j ，母亲母鸡的位置对小鸡位置的影响因子为P ， 其为随机函数随机生成，取值范围一般为 (0,2) 。2.算法流程步骤如下：1. 初始化参数。 初始配置算法参数，主要是鸡群的大小、迭代的次数、种群关系的更新频率、个体位置的维度、公鸡母鸡小鸡在鸡群中的比例等。2. 初始化鸡群。 鸡群按适应度值排序分级，公鸡为前

RN 个个体，小鸡为最末

CN 个个体，其余均为母鸡。将鸡群按公鸡数分成

RN个组，母鸡随机分配到个组中，确定公鸡和母鸡的伙伴关系。 随机选取

MN个母鸡，随机统领小鸡，确定母鸡小鸡的母子关系。3. 迭代开始，先判断是否需要更新分组，是否需要更新鸡群中的关系，需要则更新鸡群分组和鸡群中的关系；否则，公鸡、母鸡和小鸡的位置分别按照各自的位置更新策略， 对各自位置逐个进行更新，同时计算更新位置的适应度值。4. 个体位置更新。 新位置的适应度值与原位置适应度值相比，如果新的位置的适应度值小就更新个体位置，否则就保持原来的位置不变。5. 达到最大迭代次数后停止迭代，并输出最优解，否则回到第 3 步，循环迭代进行搜索。3.算法结果4.参考文献[1] MENG X ， LIU Y ， GAO X Z ， et al. A new bio-inspired algorithm: chicken swarm optimization[J]. Lecture Notes inComputer Science ,2014 ,8794(1):86-94.[2] 胡汉梅,李静雅,黄景光.基于鸡群算法的微网经济运行优化[J].高压电器,2017,53(01):代码鸡群优化算法改进算法matlab代码名称基于模拟退火的改进鸡群优化算法说明或者参考文献(SAICSO)名称一种改进的鸡群算法(ICSO)[1]李振璧,王康,姜媛媛.基于模拟退火的改进鸡群优化算法[J].微电子学与计算机,2017,34(02):30-33+38.说明或者参考文献[1]孔飞,吴定会.一种改进的鸡群算法[J].江南大学学报(自然科学版),2015,14(06):681-688.[1]韩斐斐,赵齐辉,杜兆宏,刘升.全局优化的改进鸡群算法[J].计算机应用研究,2019,36(08):2317-2319+2327.全局优化的改进鸡群算法（ECSO)算法相关应用名称鸡群优化的BP神经网络（预测）鸡群优化的BP神经网络（分类）基于鸡群优化的最大熵多阈值分割鸡群算法优化的otsu多阈值分割鸡群优化的PID参数优化说明或者参考文献/u011835903/article/details/112149776（原理一样，只是优化算法用鸡群算法）/u011835903/article/details/112149394（原理一样，只是优化算法用鸡群算法）/u011835903/article/details/108203775（原理一样，只是优化算法用鸡群算法）/u011835903/article/details/108019744（原理一样，只是优化算法用鸡群算法）/u011835903/article/details/109306387（原理一样，只是优化算法用鸡群算法）

-