周期函数优化的新型AFC-ASO动物群算法

本文研究的论文《基于人工食物链的动物群优化算法》主要针对目标函数中含有周期性函数如sin和cos等复杂优化问题的解决。该算法创新地将生态系统中的循环食物链概念应用到函数优化领域，提出了AFC-ASO算法。在这一算法模型中，设想存在一个生态系统内的多类型动物群体，它们通过食物链相互依存，形成动态的优化过程。 每个动物类型都有雌雄之分，并具备五种关键行为：捕食、交配、集群、逃逸和游弋。捕食行为促使个体间的信息交换，有助于算法的迭代更新；交配算子通过强壮个体向虚弱个体传递优势特性，实现信息的扩散和优化策略的共享；集群算子有助于个体跳出局部最优的困境，促进全局搜索；避险算子增强了个体间的多样性，防止陷入固定的解决方案；闲逛算子则增加了个体的活跃度，提高了算法的探索能力；而生长算子则确保了算法的全局收敛性，使算法最终找到全局最优解。 通过对含周期函数的目标函数进行优化，AFC-ASO算法展现了高适应性和快速收敛速度。这种结合生态学原理和群智能计算的策略，不仅新颖且实用，对于处理复杂的优化问题提供了新的视角和方法。论文的研究背景包括陕西省科技研究发展计划资助项目以及陕西省重点学科建设专项资金的支持，作者黄光球、孙思雅和陆秋琴分别在计算智能、函数优化等领域有着丰富的学术背景。 总结来说，这篇论文的核心贡献在于提出了一种创新的优化算法，它巧妙地利用了生态系统的自然规律来解决现代优化问题，具有显著的理论价值和实际应用潜力。通过深入分析和实验验证，该算法证明了在处理特定类型的复杂函数优化任务时的有效性。