海马优化器(Sea-Horse Optimizer, SHO)

---

与蒲公英优化器一样，海马优化器(Sea-Horse Optimizer, SHO) 也是由Shijie Zhao等人于2022年提出的，模拟了自然界中海马的运动、捕食和繁殖行为。在前两个阶段，SHO分别模拟了海马不同的运动模式和捕食概率机制。海马的运动方式分为受海洋涡旋作用的螺旋运动和海流波浪作用的漂移两种。对于捕食策略，它模拟海马捕获猎物的成功或失败，具有一定的概率。在第三阶段，由于雄性妊娠的独特特性，SHO在保持雄性亲本的积极信息的情况下繁殖后代，有利于增加种群多样性。

：

1.1 海马的运动行为

：
该行为主要用于局部开发，采用莱维飞行模拟运动步长。
假设不同运动模式符合正态分布，假设随机数位于分界点（0）右侧，海马通过螺旋运动靠近精英个体，位置更新公式为：

其中，x,y,z表示螺旋运动的三维分量。

：
在漂流作用下，算法进行探索，此时随机数位于分界点（0）左侧。布朗运动用于模拟运动步长，位置更新公式为：

其中，l为常数系数（设为0.05），β_t 为布朗运动的随机游走系数，计算公式为：

1.2 海马的捕食行为

这里，r₂大于0.1，表示海马捕食成功，海马靠近食物，否则表示失败，海马继续探索。
位置更新公式为：

其中，α随迭代次数线性递减，计算公式为：

这里，显然α不是线性递减的，可能是作者笔误。

1.3 海马的繁殖行为

将群体分为雄性和雌性两组，前一半好的个体为雄性，后一半为雌性，即：

随机选择父体和母体进行繁殖，计算公式为：

---

作者测试了23个常用函数及CEC2014的30个标准函数，对于23个常用函数的前13个函数，考虑了10、30、50、100和500维度的算法寻优情况，对于CEC2014的部分函数，考虑了10、30、50和100维度的算法寻优情况，从数值结果、箱型图、收敛曲线、统计分析等方面分析了SHO算法的性能。

：

：

作者测试了五个工程问题，包括拉/压弹簧设计问题、减速器设计问题、压力容器设计问题、悬臂梁设计问题和焊接梁设计问题。

---

从函数测试结果可以看出，该算法寻优性能一般，提升空间很大。另外，与DO类似，算法计算复杂度也很高，每次迭代个体位置平均更新2.5次。

---

【1】Zhao S., Zhang T., Ma S., Wang M. (2022) Sea-horse optimizer: A novel nature-inspired meta-heuristic for global optimization problems, Applied Intelligence, 1-28. DOI: https://doi.org/10.1007/s10489-022-03994-3.

• 关于 SHO 代码下载，参考 Code
• 关于 SHO 论文网站，参考 Paper