最初に声明をさせてください。記事は私の個人公式アカウントのプッシュから直接コピーして貼り付けたものであるため、インテリジェントな最適化アルゴリズムに興味のある友人は、私の個人公式アカウント「ヒューリスティックアルゴリズムの議論」をフォローしてください。時々、公式アカウントでさまざまなインテリジェントな最適化アルゴリズム、古典的なアルゴリズム、または近年提案された新しいインテリジェントな最適化アルゴリズムを MATLAB コードを添付して共有します。

Zhao Shijie教授らは、自然界におけるタツノオトシゴの移動、捕食、生殖行動から出発し、群知能に基づくメタヒューリスティックアルゴリズムであるタツノオトシゴオプティマイザー(SHO)を提案した。SHO のパフォーマンスは 23 のベンチマーク関数と CEC2014 テストスイートで評価され、6 つの最先端のアルゴリズムと比較されます。最後に、著者らは 5 つの実際の工学問題を使用して、この方法の有効性を検証します。実験結果は、このアルゴリズムが高性能のオプティマイザーであり、制約付きの最適化問題にも優れた適応性を持っていることを示しています。SHO の元のリファレンスは次のとおりです。

「Zhao S、Zhang T、Ma S、他。タツノオトシゴオプティマイザー: 大域的最適化問題のための、自然にインスピレーションを得た新しいメタヒューリスティック[J]。アプライド・インテリジェンス、2023、53(10): 11833-11860。」

01
インスピレーションの源

以下に説明するように、移動、捕食、生殖行動はタツノオトシゴの一生にとって特に重要です。

運動行動の観点から見ると、タツノオトシゴは尾を藻類の茎 (または葉) に巻き付けることがあります。藻類の茎は海の渦の作用を受けて藻類の根の周りを浮遊しているため、このときタツノオトシゴは螺旋運動をします。また、タツノオトシゴが浮遊藻類やその他の物体に逆さまにぶら下がり、波とともにランダムに移動するときにブラウン運動が発生することもあります。

捕食行動に関しては、タツノオトシゴは特殊な頭の形を利用して獲物に忍び寄り、最大 90% の成功率で獲物を捕らえます。

生殖行動の観点から見ると、タツノオトシゴは雄と雌がランダムに交尾して新しい子孫を残し、それが父親と母親から特定の優れた情報を受け継ぐのに役立ちます。

これら 3 つの行動を総合すると、海馬は環境に適応し、よりよく生き残ることができます。著者が提案した SHO アルゴリズムは、主に上記の 3 つの動作からインスピレーションを受けています。したがって、これらの動作は、著者が数学的モデリングを通じてこの新しいオプティマイザーを開発する動機となっています。

02
アルゴリズム設計

著者が提案したSHOアルゴリズムは、移動、捕食、再生という3つの主要な部分から構成されています。SHOの探索と活用のバランスをとるために、移動と捕食の社会的行動に対してそれぞれローカル探索とグローバル探索戦略が設計された。繁殖行動は、最初の 2 つの行動が完了した後に実行されます。彼らの数学的モデルは以下のように表現され、詳細に議論されます。

03
計算プロセス

SHO アルゴリズムの計算プロセスは少し複雑で、擬似コードは次のとおりです。

04
実験シミュレーション

以下は、SHO アルゴリズムのパフォーマンスの簡単なテストです。まず、SHO アルゴリズムは関数の最適化に使用され、アルゴリズムの MATLAB プログラムは元のリファレンスに従って厳密にコーディングされています。さらに、母集団サイズはN = 50 に設定され、ベンチマーク関数は CEC2005 テストセット、CEC2013 テストセット、CEC2014 テストセット、CEC2017 テストセット、CEC2020 最適化機能テストセット、および CEC2022 最適化機能テストセットを使用します。シミュレーション結果はここに簡単に表示され、それ以上の分析は行われません。

まず、グローバル探査とローカル開発のための SHO アルゴリズムのバランス能力をテストしてみましょう。図 4 に示すように、これは CEC2005 テスト関数 f8 上の SHO アルゴリズムの探索開発率曲線です。