SCI二区TOP|旗鱼优化算法（SFO）原理及实现【免费获取Matlab代码】

1.背景

2023年，S Shadravan受到母亲与孩子之间的人际互动启发，提出了旗鱼优化算法（SailFish Optimizer, SFO）。

在这里插入图片描述

2.算法原理

2.1算法思想

SFO灵感来源于一群捕猎的旗鱼，该方法包括两个种群的策略：旗鱼种群用于加强对迄今为止最好结果的搜索，沙丁鱼种群用于搜索空间的多样化。

在这里插入图片描述

2.2算法过程

攻击轮替策略

旗鱼追逐并围捕它们的猎物，旗鱼的围捕行为会根据其他同伴围绕猎物群的位置调整自己的位置:
$X_{new_{\perp}SF}^{i}=X_{elite_{\perp}SF}^{i}-\lambda_{i}\times\left(rand (0,1)\times\left(\frac{X_{elite_{SF}}^{i}+X_{injured_{S}}^{i}}{2}\right)-X_{old_{SF}}^{i}\right)\tag{1}$
参数表述为:
$\lambda_i=2\times rand\left(0,1\right)\times PD-PD\tag{2}$
其中，PD是猎物密度，表示每次迭代的猎物数量:
$PD=1-\left(\frac{N_{SF}}{N_{SF}+N_{S}}\right)\tag{3}$

在这里插入图片描述

狩猎和捕捉猎物

位置更新:
$X_{new\_S}^i=r\times\left(X_{elite\_SF}^i-X_{old_S}^i+AP\right)\tag{4}$
其中，AP表示旗鱼的数量在每次迭代的攻击强度:
$AP=A\times(1-(2\times Itr\times\varepsilon))\tag{5}$

在这里插入图片描述
参数表述为:
$\begin{aligned}\alpha&=N_S\times AP\\\beta&=d_i\times AP\end{aligned}\tag{6}$

伪代码

在这里插入图片描述

3.结果展示

在这里插入图片描述

4.参考文献

[1] Shadravan S, Naji H R, Bardsiri V K. The Sailfish Optimizer: A novel nature-inspired metaheuristic algorithm for solving constrained engineering optimization problems[J]. Engineering Applications of Artificial Intelligence, 2019, 80: 20-34.