金枪鱼群优化算法（TSO）
金枪鱼群算法欢迎加入一同交流，QQ群：222098608
[*]一、理论基础
[*]1、金枪鱼群优化算法
[*]（1）初始化
[*]（2）螺旋觅食
[*]（3）抛物线觅食
[*]2、TSO算法伪代码
[*]二、仿真实验与分析
[*]三、参考文献
一、理论基础
1、金枪鱼群优化算法
金枪鱼群优化(Tuna swarm optimization, TSO)算法的主要灵感来自金枪鱼群的合作觅食行为。该算法模拟了金枪鱼群体的两种觅食行为，即螺旋觅食和抛物线觅食。
（1）初始化
与大多数基于群体的元启发式算法类似，TSO通过在搜索空间中均匀随机生成初始种群来启动优化过程。
（2）螺旋觅食
金枪鱼群通过形成紧密的螺旋来追逐猎物，除了追逐猎物，成群的金枪鱼还相互交换信息。每一条金枪鱼都跟在前一条鱼的后面，因此可以在相邻的金枪鱼之间共享信息。基于上述原理，螺旋觅食策略的数学公式如下：
当最优个体找不到食物时，盲目跟随最优个体觅食不利于群体觅食。因此，考虑在搜索空间中生成一个随机坐标，作为螺旋搜索的参考点。它使每个个体都能在更广阔的空间里探索，并使TSO具有全局探索能力。
（3）抛物线觅食
金枪鱼除了形成螺旋觅食外，还形成抛物线合作觅食。金枪鱼以食物为参照点形成抛物线形。此外，金枪鱼通过在周围搜索来寻找食物。假设两种方法的选择概率均为50%，则两种方法同时进行。
金枪鱼通过两种觅食策略进行合作狩猎，然后找到猎物。对于TSO的优化过程，首先在搜索空间中随机生成种群。在每次迭代中，每个个体随机选择两种觅食策略中的一种执行，或根据概率z zz选择重新生成搜索空间中的位置。在整个优化过程中，TSO的所有个体都会不断更新和计算，直到满足最终条件，然后返回最优个体和相应的适应度值。
页:
[1]