群智能算法：涡流搜索算法

基本原理

涡流搜索算法（Vortex Search，VS）是最近提出的一种新型元启发式单解优化算法，涡流算法灵感源自搅动液体产生的涡流现象，该方法通过使用一种自适应步长调整方案的的搜索行为模拟涡流现象，具有操作简单和搜索能力强的突出优点。可以不必遍历搜索空间所有参数点便可找到全局最优解。

涡流搜索算法

涡流搜索算法通过使用一种自适应步长调整方案的搜索行为模拟涡流现象。在初始阶段，算法提供高效的搜索行为，而当算法收敛到局部解附近时，则开始进一步的局部开发，是当前解朝着最优解逐步逼近。涡流算法搜索能力强，操作简单，不需要设置过多的参数，只需要考虑迭代次数、候选解集大小，及搜索空间上下界等参数。

1. 生成初始解：初始的搜索中心$\mu_0$可用下式生成$\mu_0=\frac{L_{upper}+L_{lower}}{2}$其中$L_{upper},L_{lower}$都是d维向量，分别代表d维搜索空间的上届和下届。
2. 生成候选解：在涡流算法中，临近解集$C_t(s)$通过高斯分布在d维空间中心附近随机产生，t为迭代次数，初始为0.初始的候选解集通过以$\mu_0$为中心的高斯分布随机产生。
3. 当前解更新：在选择阶段，从$C_0(s)$中选择一个最好的候选解$s^{'}$替代当前的$\mu_0$，前提是候选解必须在解空间内，超出范围的解将变换进入到边界内。将最佳解作为搜索空间的新中心点，缩减新的圈的半径r，围绕新的中心产生候选解集，在候选解集中找到最优解。更新最优解，接下来将最好解作为缩减半径后的第三个圆的中心，重复上述过程直至满足终止条件。
   半径的缩减可以看做是一种自适应步长调整过程，搜索过程是算法成功的关键。

来源：CSDN

作者：十二个番茄

链接：https://blog.csdn.net/qq_39323734/article/details/103753874