研究背景

2023年3月14日赫拉德茨-克拉洛韦大学理学院数学系Mohammad Dehghani博士及其团队在Biomimetics 期刊发表了文章。文章中作者设计了一种新的元启发式算法，称为绿水蟒优化 (Green Anaconda Optimization, GAO)。

GAO的基本灵感来自绿水蟒雄性物种在交配季节识别雌性物种位置的机制以及绿水蟒的狩猎策略。GAO的数学模型是基于模拟绿水蟒在探索和利用两个阶段的策略而提出的。根据CEC 2017测试套件和CEC 2019测试套件的29个目标函数对所提出的GAO方法在解决优化问题方面的有效性进行评估。然后将GAO为优化问题提供解决方案的效率与12种著名的元启发式算法的性能进行了比较。仿真结果表明，所提出的GAO方法具有很强的探索、利用和平衡能力，并且与竞争对手的算法相比性能更好。此外GAO对CEC 2011测试套件中的21个优化问题的实施表明了所提出的方法在处理实际应用程序方面的有效能力。

研究过程与结果

作者在模仿绿水蟒自然行为的基础上设计了一种新的基于群体的元启发式算法。根据文献综述获得的知识，到目前为止，还没有设计出基于模拟绿水蟒自然行为的元启发式模型。同时，在交配季节将雄性物种转移到雌性物种的策略以及该动物的狩猎策略是一个智能过程，对于设计元启发式算法具有特殊的潜力。

首先作者解释了所提出的用于优化任务的绿色水蟒优化 (GAO) 方法的灵感来源和理论，并提出了其数学模型。在GAO数学模型设计中，基于对绿水蟒行为的模拟，分两个阶段更新了绿水蟒在搜索空间中的位置，旨在为搜索过程提供探索和利用的策略。

• 第一阶段：交配季节（探索）

在交配季节，雌性绿水蟒会沿着路径留下信息素，以便雄性能够识别自己的位置。雄性用舌头来感知信息素的化学作用，这些信息素表明雌性物种的存在，并向其移动。在GAO的第一阶段，绿水蟒的位置根据雄性物种识别雌性物种位置并在交配季节向雌性物种移动的策略进行更新。该策略导致绿水蟒在搜索空间中的位置发生较大位移，体现了GAO在全局搜索中的探索能力以及对问题求解空间的精确扫描，避免陷入局部最优区域。

• 第二阶段：狩猎策略（利用）

绿水蟒是强大的掠食者，其狩猎策略是在水下伏击并等待猎物。当猎物停止饮水或经过绿水蟒附近时，绿水蟒就会攻击并包围猎物，然后收缩使猎物窒息，最后将其吞下。在GAO的第二阶段，种群成员的位置根据绿水蟒捕食时的策略进行更新。该策略导致绿色水蚺在搜索空间中的位置发生小位移，这表明GAO在局部搜索中的利用能力，可以在已发现的解附近获得可能的更好的解。

将所提出的GAO方法处理优化问题的能力在CEC 2017和CEC 2019测试套件的39个目标函数上进行了测试。另外将GAO的性能与12种著名的元启发式算法进行了比较。仿真结果表明，通过在探索和利用之间建立平衡，所提出的GAO方法比竞争对手的算法具有更优越的性能。此外，GAO对CEC 2011测试套件中的21个问题的实施表明了所提出的方法在处理实际应用程序方面的高性能。

在对未来研究的几项建议中，设计所提出的GAO方法的二元和多目标版本是最突出的。采用所提出的GAO方法来解决各种科学中的优化问题以及图像聚类、图像分割、医学应用和工程问题等实际应用是未来研究的其他建议。

原文出自 Biomimetics 期刊：https://www.mdpi.com/journal/biomimetics

阅读英文原文：https://www.mdpi.com/2313-7673/8/1/121

Biomimetics 期刊介绍

主编：Stanislav N. Gorb, Kiel University, Germany

期刊致力于研究生物体的最基本方面及其特性向人类应用的转移。期刊旨在为材料科学、机械工程、纳米技术和生物医学领域的研究人员和专业人士提供一个平台，通过在工程系统、技术和生物医学中利用生物启发的设计，开发实现可持续创新的解决方案。

2023 Impact Factor：3.4  

2023 CiteScore：3.5

Time to First Decision：20.3 Days 

Acceptance to Publication：2.9 Days