【智能算法】秃鹰搜索算法(BES)原理及实现

2024-03-26 04:12

本文主要是介绍【智能算法】秃鹰搜索算法(BES)原理及实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述

目录

    • 1.背景
    • 2.算法原理
      • 2.1算法思想
      • 2.2算法过程
    • 3.结果展示
    • 4.参考文献


1.背景

2020年, Alsattar等人受到秃鹰猎食自然行为启发,提出了秃鹰搜索算法(Bald Eagle Search,BES)。

2.算法原理

2.1算法思想

BES主要分为三个阶段选择搜索空间、搜索空间猎物和俯冲捕获猎物
在这里插入图片描述

2.2算法过程

选择搜索空间
秃鹰个体在飞行中的位置代表 1个可行解,在选择搜索空间阶段,秃鹰会挑选猎物聚集数量最多的区域当做搜索空间,该阶段的秃鹰行为由如下方程描述:
P i , n e w ( t ) = P b e s t ( t ) + α × r × ( P m e a n ( t ) − P i ( t ) ) (1) P_{i,\mathrm{new}}(t)=P_{\mathrm{best}}(t)+\alpha\times r\times(P_{\mathrm{mean}}(t)-P_{i}(t))\tag{1} Pi,new(t)=Pbest(t)+α×r×(Pmean(t)Pi(t))(1)
其中,Pi,new(t)表示第 i 只秃鹰的更新位置;Pbest(t)表示秃鹰最佳搜索位置;Pmean(t)表示秃鹰之前搜索结束后所有秃鹰个体的平均分布位置,Pi(t)表示第 i只秃鹰的搜索位置,称作领导者;t是当前迭代次数,参数 α∈[1.5,2]是控制秃鹰搜索位置的参数,参数 α 设置为 2;r 是取值范围在 0~1之间的随机数。
搜索空间猎物
秃鹰个体在完成选择目标搜索空间后,会在该搜索空间中对猎物进行“螺旋式”搜索,并向不同的方向飞行移动以加速搜索进程。该阶段的秃鹰行为如下方程描述:
P i , n e w ( t ) = P i ( t ) + x ( i ) × ( P i ( t ) − P m e a n ( t ) ) + y ( i ) × ( P i ( t ) − P i + 1 ( t ) ) x ( i ) = x r ( i ) max ⁡ ( ∣ x r ∣ ) , y ( i ) = y r ( i ) max ⁡ ( ∣ y r ∣ ) x r ( i ) = r ( i ) × sin ⁡ ( θ ( i ) ) , y r ( i ) = r ( i ) × cos ⁡ ( θ ( i ) ) θ ( i ) = a × π × r a n d , r ( i ) = θ ( i ) + R × r a n d (2) \begin{aligned} &P_{i,\mathrm{new}}(t)=P_{i}(t)+x(i)\times(P_{i}(t)-P_{\mathrm{mean}}(t))+y(i)\times \left(P_{i}(t)-P_{i+1}(t)\right) \\ &x(i)=\frac{x_{r}(i)}{\operatorname*{max}(\left|x_{r}\right|)},y(i)=\frac{y_{r}(i)}{\operatorname*{max}(\left|y_{r}\right|)} \\ &x_{_r}(i)=r(i)\times\sin(\theta(i)),y_{_r}(i)=r(i)\times\cos(\theta(i)) \\ &\theta(i)=a\times\pi\times\mathrm{rand},r(i)=\theta(i)+R\times\mathrm{rand} \end{aligned} \tag{2} Pi,new(t)=Pi(t)+x(i)×(Pi(t)Pmean(t))+y(i)×(Pi(t)Pi+1(t))x(i)=max(xr)xr(i),y(i)=max(yr)yr(i)xr(i)=r(i)×sin(θ(i)),yr(i)=r(i)×cos(θ(i))θ(i)=a×π×rand,r(i)=θ(i)+R×rand(2)
其中,x(i)与 y(i)表示极坐标中秃鹰的位置,取值范围均为(-1,1);θ(i)与 r(i)分别表示螺旋方程的极角与极径;a∈[5,10]与 R∈(0.5,2)表示控制秃鹰螺旋飞行轨迹的参数。
俯冲捕获猎物
秃鹰在搜索空间锁定目标猎物后,从最佳位置快速飞行至目标猎物位置,与此同时所有的秃鹰个体也会朝着最佳位置飞行移动。该阶段的秃鹰行为由如下方程描述:
P i , n e w ( t ) = r a n d × P b e s t ( t ) + x 1 ( i ) × ( P i ( t ) − c 1 × P m e a n ( t ) ) + y 1 ( i ) × ( P i ( t ) − c 2 × P b e s t ( t ) ) x 1 ( i ) = x r ( i ) max ⁡ ( ∣ x r ∣ ) , y 1 ( i ) = y r ( i ) max ⁡ ( ∣ y r ∣ ) x r ( i ) = r ( i ) × sinh ⁡ ( θ ( i ) ) , y r ( i ) = r ( i ) × cosh ⁡ ( θ ( i ) ) θ ( i ) = a × π × r a n d , r ( i ) = θ ( i ) (3) \begin{aligned} &&&P_{i,new}(t)=\mathrm{rand}\times P_{\mathrm{best}}(t)+x_{1}\left(i\right)\times\left(P_{i}(t)-c_{1}\times P_{\mathrm{mean}}(t)\right)+ y_{1}\left(i\right)\times\left(P_{i}(t)-c_{2}\times P_{\mathrm{best}}(t)\right) &&&& \\ &&&x_{1}\left(i\right)=\frac{x_{r}\left(i\right)}{\operatorname*{max}(\left|x_{r}\right|)},y_{1}\left(i\right)=\frac{y_{r}\left(i\right)}{\operatorname*{max}(\left|y_{r}\right|)}&& \\ &&&x_{r}(i)=r(i)\times\sinh\left(\theta(i)\right),y_{r}(i)=r(i)\times\cosh\left(\theta(i)\right)&& \\ &&&\theta(i)=a\times\pi\times\mathrm{rand},r(i)=\theta(i)&& \end{aligned}\tag{3} Pi,new(t)=rand×Pbest(t)+x1(i)×(Pi(t)c1×Pmean(t))+y1(i)×(Pi(t)c2×Pbest(t))x1(i)=max(xr)xr(i),y1(i)=max(yr)yr(i)xr(i)=r(i)×sinh(θ(i)),yr(i)=r(i)×cosh(θ(i))θ(i)=a×π×rand,r(i)=θ(i)(3)
伪代码
在这里插入图片描述

3.结果展示

在这里插入图片描述

4.参考文献

[1] Alsattar H A, Zaidan A A, Zaidan B B. Novel meta-heuristic bald eagle search optimisation algorithm[J]. Artificial Intelligence Review, 2020, 53: 2237-2264.

这篇关于【智能算法】秃鹰搜索算法(BES)原理及实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/847246

相关文章

使用Python实现网页表格转换为markdown

《使用Python实现网页表格转换为markdown》在日常工作中,我们经常需要从网页上复制表格数据,并将其转换成Markdown格式,本文将使用Python编写一个网页表格转Markdown工具,需... 在日常工作中,我们经常需要从网页上复制表格数据,并将其转换成Markdown格式,以便在文档、邮件或

Python使用pynput模拟实现键盘自动输入工具

《Python使用pynput模拟实现键盘自动输入工具》在日常办公和软件开发中,我们经常需要处理大量重复的文本输入工作,所以本文就来和大家介绍一款使用Python的PyQt5库结合pynput键盘控制... 目录概述:当自动化遇上可视化功能全景图核心功能矩阵技术栈深度效果展示使用教程四步操作指南核心代码解析

SpringBoot实现文件记录日志及日志文件自动归档和压缩

《SpringBoot实现文件记录日志及日志文件自动归档和压缩》Logback是Java日志框架,通过Logger收集日志并经Appender输出至控制台、文件等,SpringBoot配置logbac... 目录1、什么是Logback2、SpringBoot实现文件记录日志,日志文件自动归档和压缩2.1、

Python实现pdf电子发票信息提取到excel表格

《Python实现pdf电子发票信息提取到excel表格》这篇文章主要为大家详细介绍了如何使用Python实现pdf电子发票信息提取并保存到excel表格,文中的示例代码讲解详细,感兴趣的小伙伴可以跟... 目录应用场景详细代码步骤总结优化应用场景电子发票信息提取系统主要应用于以下场景:企业财务部门:需

基于Python实现智能天气提醒助手

《基于Python实现智能天气提醒助手》这篇文章主要来和大家分享一个实用的Python天气提醒助手开发方案,这个工具可以方便地集成到青龙面板或其他调度框架中使用,有需要的小伙伴可以参考一下... 目录项目概述核心功能技术实现1. 天气API集成2. AI建议生成3. 消息推送环境配置使用方法完整代码项目特点

spring-gateway filters添加自定义过滤器实现流程分析(可插拔)

《spring-gatewayfilters添加自定义过滤器实现流程分析(可插拔)》:本文主要介绍spring-gatewayfilters添加自定义过滤器实现流程分析(可插拔),本文通过实例图... 目录需求背景需求拆解设计流程及作用域逻辑处理代码逻辑需求背景公司要求,通过公司网络代理访问的请求需要做请

使用Python获取JS加载的数据的多种实现方法

《使用Python获取JS加载的数据的多种实现方法》在当今的互联网时代,网页数据的动态加载已经成为一种常见的技术手段,许多现代网站通过JavaScript(JS)动态加载内容,这使得传统的静态网页爬取... 目录引言一、动态 网页与js加载数据的原理二、python爬取JS加载数据的方法(一)分析网络请求1

Spring Security介绍及配置实现代码

《SpringSecurity介绍及配置实现代码》SpringSecurity是一个功能强大的Java安全框架,它提供了全面的安全认证(Authentication)和授权(Authorizatio... 目录简介Spring Security配置配置实现代码简介Spring Security是一个功能强

SpringCloud使用Nacos 配置中心实现配置自动刷新功能使用

《SpringCloud使用Nacos配置中心实现配置自动刷新功能使用》SpringCloud项目中使用Nacos作为配置中心可以方便开发及运维人员随时查看配置信息,及配置共享,并且Nacos支持配... 目录前言一、Nacos中集中配置方式?二、使用步骤1.使用$Value 注解2.使用@Configur

Python+PyQt5实现MySQL数据库备份神器

《Python+PyQt5实现MySQL数据库备份神器》在数据库管理工作中,定期备份是确保数据安全的重要措施,本文将介绍如何使用Python+PyQt5开发一个高颜值,多功能的MySQL数据库备份工具... 目录概述功能特性核心功能矩阵特色功能界面展示主界面设计动态效果演示使用教程环境准备操作流程代码深度解