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
- 5.代码获取
1.背景
2024年，S Fu受到自然界中红嘴蓝喜鹊社会行为启发，提出了红嘴蓝喜鹊优化算法（Red-billed Blue Magpie Optimizer, RBMO）。
2.算法原理
2.1算法思想
RBMO模拟了红嘴蓝喜鹊的搜寻、追逐、攻击猎物和食物储存行为。
2.2算法过程
寻找食物
在寻找食物的过程中，红嘴蓝喜鹊通常以小组(2至5只)或成群(10只以上)的方式行动，以提高搜索效率。小组寻找食物:
X
i
(
t
+
1
)
=
X
i
(
t
)
+
(
1
p
×
∑
m
=
1
p
X
m
(
t
)
−
X
′
s
(
t
)
)
×
R
a
n
d
2
(1)
\mathbf{X}^i(t+1)=\mathbf{X}^i(t)+\left(\frac{1}{p}\times\sum_{m=1}^p\mathbf{X}^m(t)-\mathbf{X}^{\prime\text{s}}(t)\right)\times Rand_2\tag{1}
Xi(t+1)=Xi(t)+(p1×m=1∑pXm(t)−X′s(t))×Rand2(1)
成群寻找食物:
X
i
(
t
+
1
)
=
X
i
(
t
)
+
(
1
q
×
∑
m
=
1
q
X
m
(
t
)
−
X
r
s
(
t
)
)
×
R
a
n
d
3
(2)
\mathbf{X}^i(t+1)=\mathbf{X}^i(t)+\left(\frac{1}{q}\times\sum_{m=1}^q\mathbf{X}^m(t)-\mathbf{X}^{rs}(t)\right)\times Rand_3\tag{2}
Xi(t+1)=Xi(t)+(q1×m=1∑qXm(t)−Xrs(t))×Rand3(2)
攻击猎物
红嘴蓝喜鹊在追捕猎物时表现出高度的狩猎熟练度和合作精神，在小组行动中，主要目标通常是小型猎物或植物:
X
i
(
t
+
1
)
=
X
6
o
o
d
(
t
)
+
C
F
×
(
1
p
×
∑
m
=
1
p
X
m
(
t
)
−
X
i
(
t
)
)
×
R
a
n
d
n
1
(3)
\mathbf{X}^{i}(t+1)=\mathbf{X}^{6ood}(t)+CF\times\left(\frac1p\times\sum_{m=1}^{p}\mathbf{X}^{m}(t)-\mathbf{X}^{i}(t)\right)\times Randn_{1}\tag{3}
Xi(t+1)=X6ood(t)+CF×(p1×m=1∑pXm(t)−Xi(t))×Randn1(3)
红嘴蓝喜鹊在成群行动时，能够共同瞄准大型昆虫或小型脊椎动物等较大的猎物:
X
i
(
t
+
1
)
=
X
β
o
o
d
(
t
)
+
C
F
×
(
1
q
×
∑
m
=
1
q
X
m
(
t
)
−
X
i
(
t
)
)
×
R
a
n
d
n
2
(4)
\mathbf{X}^i(t+1)=\mathbf{X}^{\beta ood}(t)+CF\times\left(\frac{1}{q}\times\sum_{m=1}^{q}\mathbf{X}^m(t)-\mathbf{X}^i(t)\right)\times Randn_2\tag{4}
Xi(t+1)=Xβood(t)+CF×(q1×m=1∑qXm(t)−Xi(t))×Randn2(4)
其中，参数CF表述为:
C
F
=
(
1
−
(
t
T
)
)
(
2
×
t
T
)
(5)
CF=\left(1-\left(\frac tT\right)\right)^{\left(2\times\frac tT\right)}\tag{5}
CF=(1−(Tt))(2×Tt)(5)
储存食物
红嘴蓝喜鹊还将多余的食物储存在树洞或其他隐蔽的地方，以备将来食用，确保在食物短缺时稳定的食物供应：
X
i
(
t
+
1
)
=
{
X
i
(
t
)
i
f
f
i
t
n
e
s
s
o
l
d
i
>
f
i
t
n
e
s
s
n
e
w
i
X
i
(
t
+
1
)
e
l
s
e
(6)
\left.\mathbf{X}^i(t+1)=\left\{\begin{matrix}\mathbf{X}^i(t)&if fitness_{old}^i>fitness_{new}^i\\\mathbf{X}^i(t+1)&else\end{matrix}\right.\right.\tag{6}
Xi(t+1)={Xi(t)Xi(t+1)iffitnessoldi>fitnessnewielse(6)
伪代码
3.结果展示
4.参考文献
[1] Fu S, Li K, Huang H, et al. Red-billed blue magpie optimizer: a novel metaheuristic algorithm for 2D/3D UAV path planning and engineering design problems[J]. Artificial Intelligence Review, 2024, 57(6): 1-89.
5.代码获取
智能算法，论文复现，算法应用（机器学习、二维&三维路径规划、UAV路径规划、布局优化、调度优化、VRP问题等），定制算法可以联系我~
资源清单：https://docs.qq.com/sheet/DU1V0QWtSeHJnY0JU?u=989d90f9b14449ec9419aa7b51473c1b&tab=BB08J2
