1 简介 本文提出了一种新的元启发式算法，称为跳蛛优化算法 (JSOA)，其灵感来自于 Arachnida Salticidae 的狩猎习惯。所提出的算法模仿自然界中蜘蛛的行为，并对其狩猎策略进行数学建模
1 简介
本文提出了一种新的元启发式算法，称为跳蛛优化算法 (JSOA)，其灵感来自于 Arachnida Salticidae 的狩猎习惯。所提出的算法模仿自然界中蜘蛛的行为，并对其狩猎策略进行数学建模：搜索、迫害和跳跃技能以获取猎物。这些策略在解决方案搜索空间的开发和探索之间提供了良好的平衡，并解决了全局优化问题。 JSOA 使用来自文献的 20 个著名的测试台数学问题进行测试。进一步的研究包括比例积分微分 (PID) 控制器的调整、选择性谐波消除问题以及取自 CEC 2020 的一些现实世界的单目标有界约束数值优化问题。此外，JSOA 的性能已针对几个著名的仿生算法取自文献。统计结果表明，所提出的算法优于最近的文献算法，并且能够解决具有未知搜索空间的具有挑战性的现实世界问题
2 部分代码
%%_________________________________________________________________________%
clear
clc
format long
parameters.SearchAgents= 30; % Number of jumping Spiders
parameters.Function='F2'; %Function_name
parameters.maxIteration=200; % Maximum numbef of iterations
[parameters.lb,parameters.ub,parameters.dim,parameters.fobj]=FunctionsDetails(parameters.Function);
[vMin,theBestVct,ConvergenceCurve]=JSOA(parameters);
display(['The best solution obtained by JSOA is : ', num2str(theBestVct)]);
display(['The best optimal value found by JSOA is : ', num2str(vMin)]);
% Plotting the convergence curve
figure;
subplot(121)
func_plot(parameters.Function);
title(parameters.Function)
xlabel('x_1');
ylabel('x_2');
zlabel([parameters.Function,'( x_1 , x_2 )'])
subplot(122)
semilogy(ConvergenceCurve,'Color','r')
title('Convergence Curve')
xlabel('Iteration');
ylabel('Fitness: Best score obtained so far');
%*********************************************************************
3 仿真结果
4 参考文献
Peraza-Vázquez, Hernán, et al. “A Bio-Inspired Method for Mathematical Optimization Inspired by Arachnida Salticidade.” Mathematics, vol. 10, no. 1, MDPI AG, Dec. 2021, p. 102
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
