2025年7月一区SCI-豺优化算法Dhole optimization algorithm-附Matlab免费代码

已于 2025-08-05 11:10:08 修改
阅读量854 收藏 27
点赞数 11
CC 4.0 BY-SA版权
分类专栏： 智能优化算法 文章标签： 算法 matlab 开发语言 人工智能 优化算法
于 2025-08-05 11:09:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44028734/article/details/149932705

引言

本期介绍一种基于动物群体的创新算法——豺优化算法Dhole optimization algorithm，DOA。灵感来自于豺的社会和狩猎活动，特别是它们的声音交流和协调技术。于2025年7月最新发表在JCR 1区，中科院3区 SCI 期刊 Cluster Computing。

图片

本节说明该方法中使用的逻辑和数学模型。

1. 初始化：和其他群优化算法一样，采用随机初始化。

图片

图片

图片

2. 成员的数量和猎物的大小：豺群通过他们有组织有结构的狩猎技术展示了非凡的协调能力。豺群通常组成5到20个成员的小组。这种合作包括使用隐蔽的战术、战略性的位置和精确的定时发声来迷惑和恐吓目标。群体成员的数量定义：

图片

众所周知，它们既可以捕食比自己大的动物，也可以捕食比自己小的动物。豺通过配合猎物的自然行为来提高它们的捕猎成功率。

图片

ps表示最合适的狩猎时间，µ表示最合适的群体成员数量，EF表示影响狩猎成功的环境或外部因素，其值介于0 ~ 1之间，K是实数，影响狩猎效率，C1用于控制不同情况下猎物的大小。

3. 搜索阶段：在搜索阶段开始之前，豺群按如下方式定义目标

图片

在找到猎物后，豺群使用公式(3)来考虑他们的群体大小。如果种群数量少于10只，并且豺的叫声（随机值）小于0.5，则豺有义务寻找猎物并接近它，以确定它们是否可以捕获猎物。这种行为机制是用数学模型建立的

图片

4. 包围阶段：当豺群发现一个潜在的目标时，它们会一起包围它。豺群成员利用它们的敏捷性和沟通技巧策略性地在猎物周围定位，形成一个紧密的圆圈或半圆形。这种协同包围对于切断逃跑路线和减少猎物逃脱的机会至关重要。在算法中，当发声小于0.5且豺群成员数量大于10时，豺群开始包围猎物。数学模型如式所示：

图片

z 代表随机个体

图片

5. 攻击阶段：豺群在捕获猎物时执行协调和战略攻击。在通过隐形方法和声音通信的组合成功包围目标后，豺群开始攻击。通过同步的努力，他们发起了一系列快速而适时的攻击，每个成员轮流采取战略行动。

图片

豺群对猎物大小的判断来源于最大的猎物大小。如果S>(C3+1)/2,

图片

将余弦函数和正弦函数混合，模拟交换技术。一系列攻击的方程如下：

图片

如果S≤(C3+1)/2，猎物足够小或足够弱，可以立即杀死，方程如下：

图片

算法伪代码：

图片

图片

03. 对比验证

原文作者除了CEC-2019和CEC-2022基准集之外，还使用23个经典基准函数以及一系列现实世界的优化问题来评估DOA的有效性。研究结果表明，相对于已建立的元启发式算法，DOA通常具有竞争性的性能，在收敛时间和鲁棒性方面经常超过它们，特别是对于复杂的高维问题。。

图片

更多详细结果，请参阅相应的文献。

参考文献

Mohammed, Bnyad O., et al. “Dhole Optimization Algorithm: a New Metaheuristic Algorithm for Solving Optimization Problems.” Cluster Computing, vol. 28, no. 7, July 2025, https://doi.org/10.1007/s10586-024-05005-1.

Matlab代码下载

微信搜索并关注-优化算法侠（英文名：Swarm-Opti），或扫描下方二维码关注，以算法名字搜索历史文章即可下载。

图片

完整可运行代码

图片

Dhole Optimization Algorithm.zip

点击链接跳转：

390种优化算法免费下载-matlab

https://mp.weixin.qq.com/s/EzKqtSwR9r2DkGj-ozJXwA

求解cec测试函数-matlab 

cec2017测试函数使用教程及matlab代码免费下载

cec2018测试函使用教程及matlab代码免费下载

cec2019测试函使用教程及matlab代码免费下载

cec2020测试函使用教程及matlab代码免费下载

cec2021测试函使用教程及matlab代码免费下载

cec2022测试函使用教程及matlab代码免费下载
绘制cec2017/018/2019/2020/2021/2022函数的三维图像教程，SO EASY！

215种群智能优化算法python库

Amazing！Python版215种群智能优化算法https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=1&sn=6b439e55b37b6482b8d3831ca85f1d55&chksm=c12be0c8f65c69de71ad51d3b736b871ff52f8646e90624f95dd32b024dfaad369d654aaf8fc#rd

解决12工程设计优化问题-matlab

略微出手，工程设计问题（12）（附Matlab代码）https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247485052&idx=1&sn=80e5573c1c005ee5640e44935044ee35&chksm=c12bea79f65c636fc73758b4f4893502bd89cbd1c5d15d7db15e8b5c94eeae40450439d44944&token=681266555&lang=zh_CN#rd

求解11种cec测试函数-python

【选择自由，免费下载】215种优化算法求解11种cec测试函数-python代码https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=2&sn=eea8fb04dc507ab9119e2c97c03ca2f6&chksm=c12be0c8f65c69decd6c8109f6b997986bf58725fdbbd7ab03752cb6f61aacdb5a2dc7fec762#rd

解决30种工程设计优化问题-python

【一码解决】215种优化算法求解30个现实世界的工程设计优化问题，让你的论文增色10倍（附Python代码）https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=3&sn=ea6d26ae7cb651e5c368f4c73ade228e&chksm=c12be0c8f65c69de739af72d9793838f59ab77bfee36bc2c204f96e2a9e5c6d87dfbbbae698e#rd

仅需一行，可改进所有优化算法：21种混沌映射方法-混沌初始化（附matlab代码）

用于改进所有优化算法：21种混沌映射方法-混沌初始化（附matlab代码）21种混沌映射方法-混沌初始化，适用于所有优化算法https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486215&idx=2&sn=58f1a69175b0d6431a4c7cdfa114b84d&chksm=c12be702f65c6e14e6bd1ddc33b9cec74991d93303c325853049b7e4afd09039b13083fa79c5&token=25423484&lang=zh_CN#rd

【有经典，有最新】24种信号分解方法（附matlab代码） 

沙场大点兵：24种信号分解方法（附matlab代码）https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486001&idx=1&sn=a87c24cb401017a78a90bd1b1439fcb0&chksm=c12be634f65c6f22368b7229a59ac5ef330b89d710c826dbfd1a1c34a02b1dd7e909c7f40d79&token=25423484&lang=zh_CN#rd

 【分类新范式】27种一维数据转换成二维图像的方法-matlab代码

沙场大点兵：27种一维数据转换成二维图像的方法-matlab代码https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486260&idx=1&sn=81b1970cb89364c0289ccdfb403e5388&chksm=c12be731f65c6e273a85456326b503b7f35d9f035405050932ff1926e0b1bfa8076b1bc2d1f2&token=25423484&lang=zh_CN#rd

模型实战（22）之 C++ - tensorRT部署yolov8-cls 目标分类
yohnyang的博客
05-29 722
模型实战（22）之 C++ - tensorRT部署yolov8-cls 目标分类
数据集：CIFAR-10、CIFAR-100、MNIST、SVHN、ImageNet、LSUN
m0_37957160的博客
12-26 3067
官网第一页写着CIFAR-10的来源：作者介绍CIFAR-10本质是从一个叫做【the 80 million tiny images dataset】（“8000万张小图”数据集）中精炼剥离出来的一部分，是该数据集的子集。结数据集的命名，国内网站搜不到CIFAR的含义，几番周折我在Alex2009年的科技报告第三章中找到了原因——anadiannstituteordvancedesearch加拿大高级研究所资助了Alex的这个项目，毕竟请学生打标签是需要pay的，
VGG-16图像识别
weixin_43765314的博客
02-15 8996
VGG net VGG net是 Karen simonyan 等人在2015年的CLR会议中公开的神经网络模型。这个模型在2014年的Imagenet比赛中获得了定位第一名和分类第二名的好成绩，它的主要贡献在于利用3×3小卷积核的网络结构对逐渐加深的网络进行评估，结果表明加深网络深度到16至19层可极大提高模型精度。 架构： 训练输入：固定尺寸224×224的RGB图像 预处理：每个像素...
【20200404更新】关于如何将matlab训练的深度学习网络进行c代码生成
rmrgjxeivt的博客
03-27 4102
文章目录0. 环境配置1.正文，干活(大号字体说一句：CODER真的好慢啊！！！！！！！！！） 0. 环境配置 直接看图看链接 Deep Learning with MATLAB Coder https://www.mathworks.com/help/coder/deep-learning-with-matlab-coder.html?s_tid=CRUX_lftnav Prerequisite...
YOLO11-classify预测返回结果分析
mx9818的博客
05-01 1042
图像分类是YOLO任务中最简单的一项，涉及将图像内容归入一组预定义类别中的某一类。图像分类器的输出是单一类别标签和置信度分数。当你只需要知道图像属于哪一类，而不需要知道该类对象的位置或确切形状时，图像分类就非常有用。
Transformers实战03-PEFT库使用LORA方法微调VIT图像分类。
liaomin416100569的专栏
06-04 5717
PEFT（Parameter-Efficient Fine-Tuning）是一个用于高效地将大型预训练模型适配到各种下游应用的库，而无需对模型的所有参数进行微调，因为这在计算上是非常昂贵的。PEFT 方法只微调少量的（额外的）模型参数——显著降低了计算和存储成本——同时其性能与完全微调的模型相当。这使得在消费者硬件上训练和存储大型语言模型（LLMs）变得更加可行。PEFT 集成了Diffusers和Accelerate库，以提供更快、更简单的方法来加载、训练和使用大型模型进行推理。
宠物狗检测-目标检测数据集（包括VOC格式、YOLO格式）
DL_data_set的博客
09-06 1938
宠物狗检测数据集，目标检测，yolo，voc，复杂背景
20230918-pytorch训练模型，c++调用并使用模型，传入数据格式统一的问题
qq_37245700的博客
09-18 897
最开始，我在这里会产生各种各样的报错，最主要的原因是，在c++环境中opencv提供的imread方式读取的图片是3通道数据的二维数据，也就是这里的输入数据的shape是【1，3，W，H】，每张图片的大小是其本身的尺寸大小。图像的训练，一般采用卷积神经网络，其传入数据的格式为NCWH的格式，其中N表示训练的批量大小，C表示数据（图像）的通道数（channels），W表示图像的宽度（width），H表示图像的高度（height）。如何训练自己的模型，并在c++上调用呢，看了很多篇博文，都没有找到详细的文档。
Pytorch-《Deep learning with pytorch》1.2.1训练imagenetmini
weixin_42524838的博客
01-09 2193
《deep learning with pytorch》第二章的第一个练习，该篇主要内容为使用alexnet和resnet框架对imagenetmini数据集进行训练。此外，包括了如何使用colab以及用colab加载kaggle数据等操作细节。
自然不知道：响应服务的代码实现与前端调用
Dhole、Abhinav Bhatt和Sharvani Raghunath，发表于2020年。尽管描述中没有直接提到论文的具体内容，但我们可以推测论文可能探讨了自然语言对话系统的艺术性或者复杂性，以及其中所面临的挑战。 描述中提到该存储...
MKPITS_Mayuri_Dhole_Java_Nov_2020
03-07
MKPITS_Mayuri_Dhole_Java_Nov_2020 C_实践 程序1执行算术运算加法（ADD.C）的基本C程序 用C编写一个程序来执行两个数字的加法运算。 程序2执行算术运算减法的基本C程序（SUB.C） 用C编写一个程序来执行两个数字的...
贝叶斯分类算法详解：从数学原理到实践应用
weixin_73958875的博客
08-05 613
本文系统介绍了贝叶斯分类算法及其应用。首先阐述了贝叶斯定理的数学原理，包括朴素贝叶斯的特征独立性假设及其三种主要实现形式（高斯、多项式和伯努利贝叶斯）。然后详细解析了Scikit-learn中贝叶斯分类器的API参数和使用方法，包括关键参数调优建议。最后通过垃圾邮件分类案例展示了实际应用流程，并分析了贝叶斯算法在计算效率、内存消耗等方面的优势，以及特征独立性假设带来的局限性。全文为读者提供了从理论到实践的完整贝叶斯分类器应用指南。
Transformer实战——Transformer分词算法详解
盼小辉丶的博客
08-05 714
本文系统性地介绍了 Transformer 模型中的分词算法。我们首先分析了传统分词方法的局限性，进而深入探讨了 BPE、WordPiece 和 SentencePiece 这三种子词分词算法的工作原理和适用场景。通过 Hugging Face tokenizers 库的实践，完整展示了分词器从数据预处理到模型训练的全流程。
USACO 2025 JAN Table Recovery S 题解
2401_84512298的博客
08-06 886
举例+思路+实现，保姆级详细题解
非机动车识别mAP↑28%！陌讯多模态融合算法在智慧交通的实战解析
最新发布
2501_92472966的博客
08-06 416
陌讯多模态融合算法显著提升非机动车识别性能，在边缘计算设备上实现[email protected]达89.1%，较基线提升28%。该方案通过偏振特征增强、HDR补偿等技术有效解决强光/逆光等复杂场景识别难题，使小目标识别率提升46.1%，早晚高峰漏检率降低85.3%。同时提供INT8量化等边缘部署优化方案，内存占用减少60%且保持精度损失<0.5%。实测数据表明，该技术可显著提升智慧交通场景下的非机动车识别准确率。
力扣热题100——子串
weixin_45789915的博客
08-05 240
我的暴力双指针解法超时，并且此方法仅适用于全非负数组！
无人机开发分享——基于行为树的无人机集群机载自主决策算法框架搭建及开发
Vesan的博客
08-06 254
* 在之前的开发分享中，我们分享了机载端开发任务管理、协同控制、无人机平台接口等一系列模块软件，但是要想实现真正的无人机高度智能化，机载的自主决策模块功能必不可少。机载自主决策模块主要实现无人机集群任务过程中地面任务获取分析、战场实时态势分析与自主决策，可在断连或自主模式时对作业中的无人机集群进行决策与控制，减少地面交互，提升任务效率。下面我们对机载自主决策模块的开发进行介绍。**
通信算法之300：CRC表生成方式-CRC8、CRC16、CRC32-输入字节
leegang12的专栏
08-05 168
摘要：本文提供了一个MATLAB函数generate_crc_table用于生成CRC查找表，支持多种CRC算法配置。该函数接受多项式、位宽、输入/输出翻转标志及异或值等参数，通过预计算生成256个元素的查找表，显著提高CRC计算效率。核心算法包括数据位扩展、多项式异或处理和结果翻转等步骤，支持CRC8/16/32等常见算法配置。函数包含辅助方法bitreverse实现二进制位翻转，适用于需要优化CRC计算性能的应用场景。
标准GS相位恢复算法
yugi987838的博客
08-04 332
Gerchberg-Saxton (GS) 算法是一种经典的相位恢复方法，广泛应用于光学成像、衍射成像和全息技术等领域。该算法通过迭代过程从未知相位的强度测量中恢复相位信息。GS算法的核心思想是利用傅里叶变换关系在空间域和频率域之间交替施加约束，逐步逼近真实解。其基本步骤如下：数学表示为： MATLAB实现 使用示例 参考源码 标准GS相位恢复算法 youwenfan/contentcsb/80971.html 应用场景扩展： 多平面相位恢复： 部分相干照明： 实际应用注意事项 数据预
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值