往期内容：

智能优化算法（一）：海鸥算法原理及Matlab代码
智能优化算法（二）：海鸥算法之改进篇
智能优化算法（三）：基于量子的鸽群优化算法
智能优化算法（四）：基于Powell优化的鸽群优化算法

智能优化算法：天牛须搜索算法

一、前言
二、算法简介
三、算法原理
- 3.1 算法模型
- 3.2 算法流程
总结

一、前言

天牛须算法 (Beetle Antennae search algorithm, BAS) 是由Jiang等于2017年提出的一种智能优化算法，与其他仿生类算法不同，天牛须算法是一种单体搜索算法，具有原理简单、参数少、计算量少等优点，在处理低维优化目标时具有非常大的优势，例如：时间复杂度低、搜索能力较强，用李佳琪的话就是：“Oh，My God！用它，用它，用它”。
原文链接：https://download.csdn.net/download/qq_38643813/13150658不要积分，免费下载！

二、算法简介

天牛须搜索算法模仿自然界中天牛觅食行为。在天牛觅食过程中，食物会产生特殊气味，吸引天牛向着食物前进。天牛通过其两只触角对空气中的食物气味进行感知，且根据食物距离两只触角的距离远近不同，两只触角所感知的气味浓度也有所差异。当食物处于天牛左侧时，左侧触角感知的气味浓度强于右侧触角感知的气味浓度，天牛根据两只触角所感知的浓度差，向着浓度强的一侧随机前进。通过一次次迭代，最终找到食物的位置。

三、算法原理

3.1 算法模型

BAS算法主要是通过在不停的左右触角气味浓度比对中前进，同其他算法相比，原理十分简单。
在进行两只触角气味浓度计算之前，需要对其进行一系列准备工作，在DDD维空间中天牛的位置为X=(x1,x2,...,xn)X=(x_1,x_2,... ,x_n)X=(x1,x2,...,xn)，天牛左右两只触角的位置被定义为如下公式所示模型：
{Xr=X+l∗d⃗Xl=X−l∗d⃗\left\{ \begin{array}{l} {X_r} = X + l * \vec d\\ {X_l} = X - l * \vec d \end{array} \right.{Xr=X+l∗dXl=X−l∗d上式中，lll表示天牛质心与触须的距离；d⃗\vec dd表示随即单位向量，需对其进行归一化操作：d⃗=rands(D,1)∥rands(D,1)∥2\vec d = \frac{{rands(D,1)}}{{{{\left\| {rands(D,1)} \right\|}_2}}}d=∥rands(D,1)∥2rands(D,1)根据左右两根触角感知的气味浓度差进行对比，判断天牛下一步的位置：Xt+1=Xt+δt∗d⃗∗sign[f(Xr)−f(Xl)]{X_{t + 1}} = {X_t} + {\delta _t} * \vec d * sign\left[ {f\left( {{X_r}} \right) - f\left( {{X_l}} \right)} \right]Xt+1=Xt+δt∗d∗sign[f(Xr)−f(Xl)]式中，ttt表示当前的迭代次数；f(.)f(.)f(.)表示适应度函数；δt\delta _tδt表示第ttt次迭代时的探索步长，sign(.)sign(.)sign(.)函数为符号函数，各个变量的具体定义为：δt+1=δt∗eta{\delta _{t + 1}} = {\delta _t} * etaδt+1=δt∗eta

到这里，天牛须算法的原理基本就介绍完毕了，是不是非常简单？需要注意的是，在处理不同的优化目标时公式3的+++不是固定的，根据优化的目标为最大值或者最小值，适当对其进行改变。

3.2 算法流程

输入：种群数量、解空间维度、最大迭代次数、初始步长；
输出：极值点g_best；
Step1：初始化步长衰减因子、狩猎空间，位置信息X
Step2：根据公式(2)进行归一化处理；
Step3：根据公式(1)确定天牛的左须与右须位置；
Step4：根据公式(3)更新天牛的位置
Step5 ：计算天牛位置的适应度函数值并存储，更新步长；
Step6 ：判断是否达到迭代终止条件，若是则输出全局最优解，否则跳转至Step2。

总结

到目前为止，天牛须算法的应用已经比较广泛了。目前，在路径规划、图像处理、PID参数整定、组合优化、任务分配等方面已经开始被使用。
但是，BAS算法也存在一些缺点，收敛速度慢、在处理多维复杂问题时，往往会出现搜索失败的情况！换句话说，在多维问题(4维以上)，BAS算法不具备良好的优化能力！
那是否就不能将BAS算法用于多维复杂问题的处理呢？当然可以！下一期，我们来详细谈一下，如何对BAS算法进行改进，解决其在多维复杂问题处理时表现出的缺陷。

Matlab代码链接：https://mianbaoduo.com/o/bread/YZWUkppr

原创不易，请各位看官支持一下点个赞吧！拜谢

智能优化算法：天牛须搜索算法相关推荐

智能优化算法：闪电搜索算法-附代码
智能优化算法:闪电搜索算法-附代码文章目录智能优化算法:闪电搜索算法-附代码 1.算法原理 1.1 过渡放电体 1.2 空间放电体 1.3 引导放电体 2.算法结果 3.参考文献 4.Matlab ...
智能优化算法：爬行动物搜索算法-附代码
智能优化算法:爬行动物搜索算法文章目录智能优化算法:爬行动物搜索算法 1.算法原理 1.1 初始化 1.2 包围阶段(探索) 1.3 狩猎阶段(开发) 2.实验结果 3.参考文献 4.Matlab ...
智能优化算法：布谷鸟搜索算法-附代码
智能优化算法:布谷鸟搜索算法-附代码文章目录智能优化算法:布谷鸟搜索算法-附代码 1.算法原理 2.算法结果 3.参考文献 4.Matlab代码摘要:谷鸟搜索算法(cuckoo search , ...
智能优化算法：麻雀搜索算法-附代码
2020智能优化算法:麻雀搜索算法文章目录 2020智能优化算法:麻雀搜索算法 1.算法原理 2.算法结果 3.参考文献 4.Matlab代码 5.Python代码摘要:麻雀搜索算法(Sparro ...
萤火虫算法_40多种智能优化算法原理和代码分享
40多种智能优化算法原理和代码分享 <智能优化算法讲解>PDF下载地址: <智能优化算法原理讲解>PDFmianbaoduo.com 包括: 1.海鸥算法SOA 智能优化算法 ...
天牛须搜索算法优化神经网络_matlab代码
BAS原理天牛须搜索算法(beetle antennae search,BAS)算法是2017年提出的一种基于天牛觅食原理的适用于多目标函数优化的新技术,其生物原理为:当天牛觅食时,其并不知道食物 ...
智能优化算法应用：基于麻雀搜索算法的工程优化案例
智能优化算法应用:基于麻雀搜索算法的工程优化案例文章目录智能优化算法应用:基于麻雀搜索算法的工程优化案例 1.麻雀搜索算法 2.压力容器设计问题 3.三杆桁架设计问题 4.拉压弹簧设计问题 4.M ...
系统优化方法与智能优化算法
系统优化方法与智能优化算法系统优化方法在各种工程系统.经济系统,乃至社会系统中得到了广泛的应用.最优化理论的研究也一直是一个十分活跃的领域,出版了许多最优化理论.方法和应用的著作和译作. 梯度为基础 ...
麻雀优化算法_多种智能优化算法应用案例分享-附代码
1.智能优化算法应用:基于灰狼算法的Otsu图像多阈值分割智能优化算法应用:基于灰狼算法的Otsu图像多阈值分割-附代码_Jack旭的博客-CSDN博客blog.csdn.net 2.智能优化算法 ...

智能优化算法：天牛须搜索算法

智能优化算法：天牛须搜索算法

一、前言

二、算法简介

三、算法原理

3.1 算法模型

3.2 算法流程

总结

智能优化算法：天牛须搜索算法相关推荐

最新文章

热门文章