目录
- 1.背景
- 2.算法原理
- 2.1算法思想
- 2.2算法过程
- 3.结果展示
- 4.参考文献
1.背景
2021年，Yang等人受到自然界饥饿驱动的活动和动物的行为选择启发，提出了饥饿游戏搜索算法（Hunger Games Search, HGS）。
2.算法原理
2.1算法思想
HGS源自动物在寻找食物时的行为模式，强调动物根据感知信息和计算规则与环境交互，优先选择和追求食物来源以支持生存、繁殖和获取食物。饥饿作为强大的驱动力，能够推动动物行为，并在竞争和其他驱动力之间起主导作用。
2.2算法过程
群居动物在觅食过程中经常相互合作：
X ( t + 1 ) → = { G a m e 1 : X ( t ) → • ( 1 + r a n d n ( 1 ) ) , r 1 < l G a m e 2 : W 1 → • X b → + R → • W 2 → • ∣ X b → − X ( t ) → ∣ , r 1 > l , r 2 > E G a m e 3 : W 1 → • X b → − R → • W 2 → • ∣ X b → − X ( t ) → ∣ , r 1 > l , r 2 < E (1) \left.\overrightarrow{X(t+1)}=\left\{\begin{array}{c}Game_1:\overrightarrow{X(t)}•(1+randn(1)),r_1<l\\Game_2:\overrightarrow{W_1}•\overrightarrow{X_b}+\overrightarrow{R}•\overrightarrow{W_2}•\left|\overrightarrow{X_b}-\overrightarrow{X(t)}\right|,r_1>l,r_2>E\\Game_3:\overrightarrow{W_1}•\overrightarrow{X_b}-\overrightarrow{R}•\overrightarrow{W_2}•\left|\overrightarrow{X_b}-\overrightarrow{X(t)}\right|,r_1>l,r_2<E\end{array}\right.\right.\tag{1} X(t+1)=⎩ ⎨ ⎧Game1:X(t)•(1+randn(1)),r1<lGame2:W1•Xb+R•W2• Xb−X(t) ,r1>l,r2>EGame3:W1•Xb−R•W2• Xb−X(t) ,r1>l,r2<E(1)
E是所有位置的变分控制:
E = s e c h ( ∣ F ( i ) − B F ∣ ) (2) E=\mathrm{sech}(|F(i)-BF | )\tag{2} E=sech(∣F(i)−BF∣)(2)
BF是当前迭代最优适应度，sech为双曲函数：
s e c h ( x ) = 2 e x + e − x (3) \mathrm{sech}(x)=\frac2{e^x+e^{-x}}\tag{3} sech(x)=ex+e−x2(3)
参数表述为：
R → = 2 × s h r i n k × r a n d − s h r i n k s h r i n k = 2 × ( 1 − t T ) (4) \begin{aligned}&\overrightarrow{R}=2\times shrink\times rand-shrink\\&shrink=2\times(1-\frac tT)\end{aligned}\tag{4} R=2×shrink×rand−shrinkshrink=2×(1−Tt)(4)
个体在搜索中的饥饿特征:
W 1 ( i ) → = { h u n g r y ( i ) • N S H u n g r y × r 4 , r 3 < l 1 r 3 > l (5) \overrightarrow{W_1(i)}=\begin{cases} hungry(i)•\dfrac{N}{SHungry}\times r_4,r_3<l\\ 1r_3>l\end{cases}\tag{5} W1(i)=⎩ ⎨ ⎧hungry(i)•SHungryN×r4,r3<l1r3>l(5)
W2表达式表述为：
W 2 ( i ) → = ( 1 − e x p ( − ∣ h u n g r y ( i ) − S H u n g r y ∣ ) ) × r 5 × 2 (6) \overrightarrow{W_2(i)}=(1-exp(-|hungry(i)-SHungry|))\times r_5\times2\tag{6} W2(i)=(1−exp(−∣hungry(i)−SHungry∣))×r5×2(6)
hungry代表每个人的饥饿，SHungry是所有个体饥饿感受的总和，hungry(i)表述为：
h u n g r y ( i ) = { 0 , A l l F i t n e s s ( i ) = = B F h u n g r y ( i ) + H , A l l F i t n e s s ( i ) ! = B F (7) hungry(i)=\left\{\begin{array}{c}0,AllFitness(i)==BF\\hungry(i)+H,AllFitness(i)!=BF\end{array}\right.\tag{7} hungry(i)={0,AllFitness(i)==BFhungry(i)+H,AllFitness(i)!=BF(7)
AllFitness(i)保留当前迭代中每个个体的适应度。在每次迭代中，最佳个体的饥饿感被设置为0。对于其他个体，在原有饥饿的基础上增加一个hungry(H)，H表述为：
T H = F ( i ) − B F W F − B F × r 6 × 2 × ( U B − L B ) H = { L H × ( 1 + r ) , T H < L H T H , T H ≥ L H (8) TH=\frac{F(i)-BF}{WF-BF}\times r_6\times2\times(UB-LB)\\H=\left\{\begin{array}{c}LH\times(1+r),TH<LH\\TH,TH\geq LH\end{array}\right.\tag{8} TH=WF−BFF(i)−BF×r6×2×(UB−LB)H={LH×(1+r),TH<LHTH,TH≥LH(8)
流程图
伪代码
3.结果展示
使用测试框架，测试HGS性能 一键run.m
- 【智能算法】省时方便，智能算法统计指标——一键运行~
CEC2005-F7
探索与开发
4.参考文献
[1] Yang Y, Chen H, Heidari A A, et al. Hunger games search: Visions, conception, implementation, deep analysis, perspectives, and towards performance shifts[J]. Expert Systems with Applications, 2021, 177: 114864.
)
