国外新型智能优化算法——北极熊算法

发布时间：2021-11-03 05:18

　　北极熊算法（Polar Bear Optimization,PBO）是2017年由David等人提出的一种受自然界启发的优化算法,算法的灵感来自于北极熊赖以在北极严酷的环境下生存下来的捕猎方式;由于PBO是近年才提出来的新颖智能优化算法,中文文献中关于PBO算法的描述和应用微乎其微;还原了PBO的开发背景,介绍了算法的相关运算算子和算法的详细执行步骤,展现了PBO算法在现实世界中的应用领域和实际效果。 

【文章来源】：计算机测量与控制. 2020,28(03)

【文章页数】：7 页

【部分图文】：

北极熊游走和觅食行为整体活动示意图[1]

文献[1]将北极熊在严寒的北极冰地上和海洋中寻找食物时的行为建模为优化策略，北极熊的特性为北极熊算法运算机制模型的研究提供了灵感。图3 北极熊攻击策略示意图[1]

图2 北极熊跳上浮冰向猎物靠近行为示意图[1]在模型中，北极的极端条件可以想象为解空间，空间中的最优解的位置无从得知，如同北极熊不知道在哪里可以找到海豹或其他食物一样。在算法寻优过程中，算法会陷入局部最优状态，这会阻止算法进行全局搜索。由此，优化目标和函数的本质就难以获知，因此需要一些特定的策略来避免错误。北极熊寻找食物，但北极的环境会使它们被困甚至死亡，因此它们进化出了非常有效的机制帮助他们成功生存下来。北极熊的捕猎策略有两个阶段，在北极熊算法中，执行机制将北极熊在北极冰地和海洋中行进的过程作为全局搜索策略，将北极熊的具体捕猎行为作为局部搜索策略。此外，北极熊算法采用了控制种群出生和死亡的机制来模拟自然条件下北极熊的繁衍生存行为。


本文编号：3473126