1、简介
基于蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为，提出了一种新的基于种群的蜣螂优化器（DBO）算法。新提出的DBO算法兼顾了全局探索和局部探索，具有收敛速度快、求解精度满意的特点。该成果于2022年发表在知名SCI期刊THE JOURNAL OF SUPERCOMPUTING上。
2、 数学模型
2.1 滚球行为
x i ( t + 1 ) = x i ( t ) + α × k × x i ( t − 1 ) + b × Δ x Δ x = ∣ x i ( t ) − X w ∣ \begin{array}{l}{ {\\\!x_{i}(t+1)=x_{i}(t)+\alpha\times k\times x_{i}(t-1)+b\times\Delta x}}\\ { {\displaystyle\Delta x=|x_{i}(t)-X^{w}|}}\end{array} xi(t+1)=xi(t)+α×k×xi(t−1)+b×ΔxΔx=∣xi(t)−Xw∣
2.2 跳舞行为
x i ( t + 1 ) = x i ( t ) + tan ( θ ) ∣ x i ( t ) − x i ( t − 1 ) ∣ x_{i}(t+1)=x_{i}(t)+\tan(\theta)|x_{i}(t)-x_{i}(t-1)| xi(t+1)=xi(t)+tan(θ)∣xi(t)−xi(t−1)∣
2.3 繁殖行为
B i ( t + 1 ) = X ∗ + b 1 × ( B i ( t ) − L b ∗ ) + b 2 × ( B i ( t ) − U b ∗ ) B_{i}(t+1)=X^{*}+b_{1}\times(B_{i}(t)-L b^{*})+b_{2}\times(B_{i}(t)-U b^{*}) Bi(t+1)=X∗+b1×(Bi(t)−Lb∗)+b2×(Bi(t)−Ub∗)
2.4 觅食行为
x i ( t + 1 ) = x i ( t ) + C 1 × ( x i ( t ) − L b b ) + C 2 × ( x i ( t ) − U b b ) x_{i}(t+1)=x_{i}(t)+C_{1}\times(x_{i}(t)-L b^{b})+C_{2}\times(x_{i}(t)-U b^{b}) xi(t+1)=xi(t)+C1×(xi(t)−Lbb)+C2×(xi(t)−Ubb)
2.5 偷窃行为
x i ( t + 1 ) = X b + S × g × ( ∣ x i ( t ) − X ∗ ∣ + ∣ x i ( t ) − X b ∣ ) x_{i}(t+1)=X^{b}+S\times g\times\left(|x_{i}(t)-X^{*}|+\left|x_{i}(t)-X^{b}\right|\right) xi(t+1)=Xb+S×g×(∣xi(t)−X∗∣+ xi(t)−Xb )
3、实验结果
