python自私羊群优化算法代码

Python自私羊群优化算法（Selfish Herd Optimization Algorithm是一种基于羊群行为的优化算法，用于解决优化问题。该算法模拟了羊群中的自私行为和集体行为，通过个体之间的相互作用来搜索最优解。

以下是一个简单的Python代码示例，实现了自私羊群优化算法：

import numpy as np

# 定义目标函数
def objective_function(x):
    return x**2

# 自私羊群优化算法
def selfish_herd_optimization(objective_function, num_sheep, num_iterations, search_range):
    # 初始化羊群位置
    sheep_positions = np.random.uniform(low=-search_range, high=search_range, size=(num_sheep,))
    
    # 迭代搜索
    for iteration in range(num_iterations):
        # 计算每只羊的适应度值
        fitness_values = [objective_function(position) for position in sheep_positions]
        
        # 找到适应度最好的羊
        best_sheep_index = np.argmin(fitness_values)
        best_sheep_position = sheep_positions[best_sheep_index]
        
        # 更新每只羊的位置
        for i in range(num_sheep):
            if i != best_sheep_index:
                # 计算与最好羊的距离
                distance = abs(sheep_positions[i] - best_sheep_position)
                
                # 更新位置，向最好羊靠近
                if sheep_positions[i] < best_sheep_position:
                    sheep_positions[i] += np.random.uniform(low=0, high=distance)
                else:
                    sheep_positions[i] -= np.random.uniform(low=0, high=distance)
    
    # 返回最优解
    best_solution = sheep_positions[best_sheep_index]
    return best_solution

# 使用示例
num_sheep = 50
num_iterations = 100
search_range = 10

best_solution = selfish_herd_optimization(objective_function, num_sheep, num_iterations, search_range)
print("最优解：", best_solution)

这段代码实现了自私羊群优化算法的基本逻辑，包括目标函数的定义、羊群位置的初始化、适应度计算、最优羊的选择和位置更新等步骤。通过调用`selfish_herd_optimization`函数，可以得到最优解。