2023年7月9日发(作者：)

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摘要：爬⾏动物搜索算法（Reptile search algorithm, RSA）是于2021年提出的⼀种新型智能优化算法。该算法主要模拟鳄鱼的捕⾷⾏为，来实现寻优求解，具有收敛速度快，寻优能⼒强的特点。1.算法原理1.1 初始化与其他优化算法⼀样，种群在搜索空间内随机初始化：xi,j=rand×(UB−LB)+LB,j=1,2,⋯,n(1)xi,j表⽰第i个候选解第j维的位置；N为候选解的数量；n为给定问题的维度。rand是[0,1]之间的随机数，LB和UB分别表⽰给定问题的下界和上界。1.2 包围阶段(探索)这个搜索阶段取决于两个条件。⾼空⾏⾛策略取决于t≤T/4，腹部⾏⾛策略取决于T/44T(2)其中，Bestj 是当前最优解的第

j 维位置；

rand 为 (0,1) 之间的随机数；

t 为当前迭代次数；

T为最⼤迭代次数；

η(i,j) 表⽰第

i 个候选解第j维的狩猎算⼦，计算如式(3)所⽰；

β 是⼀个敏感参数，控制迭代过程中包围阶段的探索精度(即⾼空⾏⾛)，固定为0.1；缩减函数

R(i,j)(t) 是⼀个⽤于减少搜索区域的值，使⽤式(4)计算；

r1 是 $[1, N] $之间的随机整数，

x(r1,j) 表⽰第$r_{1} $个随机候选解的第

j维位置；

N是候选解数 量；进化因⼦

ES(t) 是⼀个概率⽐，在整个迭代过程中，取值在2和-2之间随机递减，使⽤式(5)计算。η(i,j)=Bestj(t)×P(i,j)Bestj(t)−x(r2,j)R(i,j)=Bestj(t)+ε(3)(4)tES(t)=2×r3×(1−T)(5)其中，

ε 是⼀个很⼩的正数；

r2 是 $[1, N] $的随机整数；

r3 表⽰

[−1,1] 之间的随机整数； $P_{(i, j)}

表⽰最佳解和当前解第 j$维位置的百分⽐差异，计算如式(6)所⽰。x(i,j)−M(xi)P(i,j)=α+Bestj(t)×(UB(j)−LB(j))+ε(6)其中， $Mleft(x_{i}right)

表⽰第i$个候选解的平均位置，其计算如式(7)所⽰； $U B_{(j)} $和 $L B_{(j)}

分别表⽰第j$维位置的上界和下界；

α是⼀个敏感参数，⽤于控制迭代过程中狩猎合作的搜索精度(候选解之间的差异)，本⽂将其固定为 0.1 。1∑M(xi)=nj=1x(i,j)n(7)1.3 狩猎阶段(开发)RSA的开发机制利⽤了搜索空间，并基于两种主要的搜索策略(狩猎协调和狩猎合作)找到了最优解，模型如式(8)所⽰。狩猎协调操作取决于t≤34和t>24，狩猎合作操作取决于t≤T和

t>34 。TTTtag{8} x(i,j)(t+1)={Bestj(t)×P(i,j)(t)×rand,w4T