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
2020年，AAA Mohamed等人受到自然界乌鸦-布谷鸟-猫寄生系统启发，提出了寄生捕食算法（Parasitism – Predation Algorithm, PPA）。
2.算法原理
2.1算法思想
PPA是受乌鸦和布谷鸟寄生互动启发，寄生系统中乌鸦允许布谷鸟在其巢中寄生，而布谷鸟幼鸟会分泌恶臭物质以保护自身及乌鸦幼鸟免受猫科动物的捕食。PPA主要分为三个阶段：筑巢阶段、寄生阶段和捕食阶段。
2.2算法过程
筑巢阶段
刚开始乌鸦的数量会随着时间的推移而减少，筑巢阶段通过两种状态来模拟乌鸦的飞行：
X i t + 1 = X i t + F ( X r 1 − X i t ) ∀ i ∈ n c r o w (1) X_i^{t+1}=X_i^t+F(X_{r1}-X_i^t)\quad\forall i\in n_{crow}\tag{1} Xit+1=Xit+F(Xr1−Xit)∀i∈ncrow(1)
其中，F是莱维飞行步长。在筑巢阶段，通过Levy飞行，利用当前最优的巢群来更新新的解决方案，从而发现鸟巢：
X i , o u t n e w = X i , o u t m i n + ( X i , o u t m a x − X i , o u t m i n ) (2) X_{i,out}^{new}=X_{i,out}^{min}+\begin{pmatrix}X_{i,out}^{max}-X_{i,out}^{min}\end{pmatrix}\tag{2} Xi,outnew=Xi,outmin+(Xi,outmax−Xi,outmin)(2)
寄生阶段
布谷鸟根据适合度选择被寄生的巢穴，巢穴越好，被寄生的几率越高：
X i , n e w c u c k o o = X i , o l d c u c k o o + S G . k S G = ( X r 2 − X r 3 ) r a n d [ 0 , 1 ] (3) \begin{aligned}&X_{i,new}^{cuckoo}=X_{i,old}^{cuckoo}+S_{G}.k\\&S_{G}=(X_{r2}-X_{r3})rand[0,1]\end{aligned}\tag{3} Xi,newcuckoo=Xi,oldcuckoo+SG.kSG=(Xr2−Xr3)rand[0,1](3)
捕食阶段
初始阶段，由于猫的高捕食效率，导致其数量迅速增加，而乌鸦数量减少，进而无法提供足够资源支持布谷鸟生存。此时，布谷鸟幼鸟会分泌特殊化合物来驱赶猫，而猫则倾向于追踪那些未被布谷鸟占据且无恶臭分泌的巢穴：
v k , d = v k , d + r . c . ( x b e s t , d − x k , d ) , d = 1 , 2 , ⋯ . . , M (4) v_{k,d}=v_{k,d}+r.c.(x_{best,d}-x_{k,d}),d=1,2,\cdots..,M\tag{4} vk,d=vk,d+r.c.(xbest,d−xk,d),d=1,2,⋯..,M(4)
位置更新：
x k , d = x k , d + v k , d (5) x_{k,d}=x_{k,d}+v_{k,d}\tag{5} xk,d=xk,d+vk,d(5)
伪代码
3.结果展示
使用测试框架，测试PPA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~
CEC2017-F2
4.参考文献
[1] Mohamed A A A, Hassan S A, Hemeida A M, et al. Parasitism–Predation algorithm (PPA): A novel approach for feature selection[J]. Ain Shams Engineering Journal, 2020, 11(2): 293-308.
)
