智能优化算法：黑猩猩优化算法

ChOA 通过模拟攻击黑猩猩、驱赶黑猩猩、拦截黑猩猩和追逐黑猩猩 4 类黑猩猩协同狩 猎行为来达到求解问题的目的。

在黑猩猩狩猎过程中，通常根据黑猩猩个体智力和性动机来分配狩猎职责。任 何黑猩猩均可随机改变其在猎物周围空间中的位置，数学描述为： d = ∣ c X p r e y ( t ) − m X c h i m p ( t ) ∣ (1) d=|cX_{prey}(t)-mX_{chimp}(t)| \tag{1} d=∣cXprey​(t)−mXchimp​(t)∣(1)

X c h i m p ( t + 1 ) = X p r e y ( t ) − a d (2) X_{chimp}(t+1)=X_{prey}(t)-ad\tag{2} Xchimp​(t+1)=Xprey​(t)−ad(2)

式中: d d d为黑猩猩与猎物间距; t t t为当前迭代次数; X p r e y ( t ) X_{prey}(t) Xprey​(t)为猎物位置向量; X c h i m p ( t ) X_{chimp}(t) Xchimp​(t)为黑猩猩位置向量; a 、 m 、 c a、m、c a、m、c​为系数向量， a = 2 f r 1 − f a = 2fr_1-f a=2fr1​−f， c = 2 r 2 c = 2r_2 c=2r2​​ ，$m=Chaotic_value ​ ( 基 于 混 沌 映 射 的 混 沌 向 量 ) ， ​(基于混沌映射的混沌向量)， ​(基于混沌映射的混沌向量)，f$ 为迭代过程中从2非线性降至0， r 1 , r 2 r_1,r_2 r1​,r2​​为[0,1]范围内的随机向量。

黑猩猩能够探查猎物位置(通过驱赶、拦截和追逐)，然后包围猎物。狩猎过程通常由 攻击黑猩猩进行，驱赶黑猩猩、拦截黑猩猩和追逐黑猩猩参与狩猎过程。4 类黑猩猩通过下式更新其位置，其他黑猩猩根据最佳黑猩猩位置更新其位置，猎物位置由最佳黑猩猩个体位置估计。数学描述为： { d A t t a c k e r = ∣ c 1 X A t t a c t e r − m 1 X ∣ d B a r r i e r = ∣ c 2 X B a r r i e r − m 2 X ∣ d C h a s e r = ∣ c 3 X C h a s e r − m 3 X ∣ d D r i v e r = ∣ c 4 X D r i v e r − m 4 X ∣ (3) \begin{cases}d_{Attacker}=|c_1X_{Attacter}-m_1X|\\ d_{Barrier}=|c_2X_{Barrier}-m_2X|\\ d_{Chaser}=|c_3X_{Chaser}-m_3X|\\ d_{Driver}=|c_4X_{Driver}-m_4X|\end{cases}\tag{3} ⎩⎪⎪⎪⎨⎪⎪⎪⎧​dAttacker​=∣c1​XAttacter​−m1​X∣dBarrier​=∣c2​XBarrier​−m2​X∣dChaser​=∣c3​XChaser​−m3​X∣dDriver​=∣c4​XDriver​−m4​X∣​(3)

{ X 1 = X A t t a c t e r − a 1 d A t t a c k e r X 2 = X B a r r i e r − a 2 d B a r r i e r X 3 = X C h a s e r − a 3 d C h a s e r X 4 = X D r i v e r − a 4 d D r i v e r (4) \begin{cases}X_1=X_{Attacter}-a_1d_{Attacker}\\ X_2=X_{Barrier}-a_2d_{Barrier}\\ X_3=X_{Chaser}-a_3d_{Chaser}\\ X_4 =X_{Driver}-a_4d_{Driver} \end{cases}\tag{4} ⎩⎪⎪⎪⎨⎪⎪⎪⎧​X1​=XAttacter​−a1​dAttacker​X2​=XBarrier​−a2​dBarrier​X3​=XChaser​−a3​dChaser​X4​=XDriver​−a4​dDriver​​(4)

X ( t + 1 ) = X 1 + X 2 + X 3 + X 4 4 (5) X(t+1)=\frac{X_1+X_2+X_3+X_4}{4}\tag{5} X(t+1)=4X1​+X2​+X3​+X4​​(5)

式中: d A t t a c k e r 、 d B a r r i e r 、 d C h a s e r 、 d D r i v e r d_{Attacker} 、d_{Barrier} 、d_{Chaser} 、d_{Driver} dAttacker​、dBarrier​、dChaser​、dDriver​​​ 分别为当前攻击黑猩猩、拦截黑猩猩、追逐黑猩猩、驱赶黑猩猩与猎物的间距; x A t t a c k e r 、 x B a r r i e r 、 x C h a s e r 、 x D r i v e r x_{Attacker} 、x_{Barrier} 、x_{Chaser} 、x_{Driver} xAttacker​、xBarrier​、xChaser​、xDriver​​ 分别为攻击黑猩猩、拦截黑猩猩、追逐黑猩猩、驱赶黑猩猩相对于猎物的位置向量; a 1 ～ a 4 、 m 1 ～ m 4 、 c 1 ～ c 4 a_1 ～ a_4 、m_1 ～ m_4 、c_1～ c_4 a1​～a4​、m1​～m4​、c1​～c4​​ 分别为攻击黑猩猩、拦截黑猩猩、追逐黑猩猩、驱赶黑猩猩系数向量;$ X_1 、X_2 、X_3 、X_4 $​​分别为攻击黑猩猩、拦截黑猩猩、追逐黑猩猩和驱赶黑猩猩位置更新向量; X X X​为其他黑猩猩位置向量。

在狩猎最后阶段，一方面黑猩猩根据攻击者、驱赶者、拦截者和追逐者位置更新位置，并攻击猎物;另一方面黑猩猩通过分散寻找猎物显示探查过程，即 ChOA 全局搜索。

[1]Khishe M., ,and Mosavi M.R…“Chimp Optimization Algorithm.” Expert Systems with Applications .prepublish(2020): doi:10.1016/j.eswa.2020.113338.

[1]程国森,崔东文.黑猩猩优化算法-极限学习机模型在富水性分级判定中的应用[J].人民黄河,2021,43(07):62-66+103.

改进算法matlab代码