嚴華 发表于 2025-3-24 18:28:06

群体智能优化算法-蜻蜓优化算法(Dragonfly Algorithm, DA,含Matlab源代码)

一、文章摘要

蜻蜓优化算法(Dragonfly Algorithm, DA)是一种新颖的群体智能优化算法,由 Seyedali Mirjalili 在 2016 年提出。该算法受到蜻蜓群体在捕食、迁徙和交配行为中的飞行模式启发,并通过模拟蜻蜓在自然界中搜索猎物的行为来解决单目的、多目的和离散优化题目。DA 主要依靠五种行为规则(分离、对齐、聚合、猎物吸引、敌人规避)来更新蜻蜓的速度和位置,以实现全局搜索与局部搜索的平衡。本文具体介绍 DA 的数学模子、关键公式,并对 MATLAB 代码进行了逐行具体解释,以资助读者理解 DA 算法的工作原理及其在优化题目中的应用。
二、DA 算法具体介绍

(1)算法的灵感来源

蜻蜓优化算法(DA)受到蜻蜓群体行为的启发,在自然界中,蜻蜓主要以两种方式活动:


[*]静态群体行为(捕猎模式):蜻蜓在一个小范围内围绕猎物盘旋。
[*]动态群体行为(迁徙模式):蜻蜓群体在较大范围内迁徙,寻找更好的生存环境。
DA 通过数学模子模拟这些行为,并在优化题目中利用相应规则调整搜索个体的位置。
(2)数学模子及公式

DA 主要基于以下五个行为规则来控制个体的搜索行为:
① 分离(Separation)

分离行为用于制止蜻蜓之间的碰撞:
https://i-blog.csdnimg.cn/direct/e9e585d98ba2444e89761b36e774b482.png
② 对齐(Alignment)

对齐行为用于使蜻蜓群体保持方向划一:
https://i-blog.csdnimg.cn/direct/5d6671446a8e4a1db807e9d735d64e2f.png
③ 聚合(Cohesion)

聚合行为使蜻蜓朝向相近个体的中心:
https://i-blog.csdnimg.cn/direct/1c2c68b19945456cbee5a5374c2f0e6b.png
④ 猎物吸引(Attraction to Food)

蜻蜓会趋向于目的(最优解):
https://i-blog.csdnimg.cn/direct/359d4a2c23fc4288b45b70a514b61f3a.png
⑤ 敌人规避(Distraction from Enemy)

蜻蜓会远离天敌(最差解):
https://i-blog.csdnimg.cn/direct/0219a1bbb81643ff899ee6decadb3c13.png
(3)速度和位置更新公式

https://i-blog.csdnimg.cn/direct/1befb7e4a3e049f6bde716a374e5956f.png
三、DA 代码具体解释(MATLAB)

function =DA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj)

% 存储收敛曲线
cg_curve=zeros(1,Max_iteration);

% 初始化边界(如果是单个数值,扩展为向量)
if size(ub,2)==1
    ub=ones(1,dim)*ub;
    lb=ones(1,dim)*lb;
end

% 计算蜻蜓的搜索半径
r=(ub-lb)/10;
Delta_max=(ub-lb)/10;

% 初始化食物(最优解)和敌人(最差解)
Food_fitness=inf;
Food_pos=zeros(dim,1);
Enemy_fitness=-inf;
Enemy_pos=zeros(dim,1);

% 初始化蜻蜓的位置
X=initialization(SearchAgents_no,dim,ub,lb);
Fitness=zeros(1,SearchAgents_no);

% 初始化蜻蜓的速度
DeltaX=initialization(SearchAgents_no,dim,ub,lb);

for iter=1:Max_iteration
   
    % 更新搜索半径
    r=(ub-lb)/4+((ub-lb)*(iter/Max_iteration)*2);
   
    % 惯性权重
    w=0.9-iter*((0.9-0.4)/Max_iteration);
      
    % 动态收缩因子
    my_c=0.1-iter*((0.1-0)/(Max_iteration/2));
    if my_c<0
      my_c=0;
    end
   
    % 计算五个控制参数
    s=2*rand*my_c; % 分离权重
    a=2*rand*my_c; % 对齐权重
    c=2*rand*my_c; % 聚合权重
    f=2*rand;      % 食物吸引力
    e=my_c;      % 敌人规避

    % 计算每个蜻蜓的适应度
    for i=1:SearchAgents_no
      Fitness(1,i)=fobj(X(:,i)');
      if Fitness(1,i)<Food_fitness
            Food_fitness=Fitness(1,i);
            Food_pos=X(:,i);
      end
      
      if Fitness(1,i)>Enemy_fitness
            if all(X(:,i)<ub') && all( X(:,i)>lb')
                Enemy_fitness=Fitness(1,i);
                Enemy_pos=X(:,i);
            end
      end
    end

    for i=1:SearchAgents_no
      % 计算蜻蜓的位置更新(公式 (3.6))
      DeltaX(:,i) = (a*A(:,i) + c*C(:,i) + s*S(:,i) + f*F(:,i) + e*E(:,i)) + w*DeltaX(:,i);
      
      % 位置更新(公式 (3.7))
      X(:,i) = X(:,i) + DeltaX(:,i);
    end

    % 更新最优解
    Best_score=Food_fitness;
    Best_pos=Food_pos;
   
    cg_curve(iter)=Best_score;
end
end
四、总结

蜻蜓优化算法(DA)是一种基于群体行为的元启发式优化算法,具有以下特点:


[*]受自然界蜻蜓行为启发,包含五种搜索规则;
[*]具有良好的全局搜索能力,并能自顺应收缩搜索范围;
[*]适用于一连优化题目、组合优化题目和离散优化题目。

免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。
页: [1]
查看完整版本: 群体智能优化算法-蜻蜓优化算法(Dragonfly Algorithm, DA,含Matlab源代码)