仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
来源：投稿作者：月震
编辑：学姐
RBMO是一种新型元启发式算法，灵感来源于红嘴蓝鹊的群体捕食行为（搜索、追逐、攻击猎物、储存食物）。其目标是通过模拟这些行为，解决复杂的优化问题（如无人机路径规划、工程设计），克服传统算法在收敛速度、精度和鲁棒性上的不足。
公式：
解释：每个个体在搜索空间内随机初始化，其中和分别为上下界，是[0,1]的随机数。这一步确保种群在解空间内均匀分布。
小组搜索：
原理：红嘴蓝鹊以小组（2-5只）协作搜索食物，通过计算小组内个体的平均位置与随机个体的差异，结合随机扰动更新位置，增强局部探索能力。
集群搜索：
原理：大群（10只以上）通过更大范围的协作搜索，利用更多个体的平均位置信息，平衡全局探索与局部开发。
小组攻击：
原理：向当前最优解方向移动，结合小组平均位置与个体的差异，通过自适应系数调整步长，初期侧重探索，后期侧重开发。
集群攻击：
原理：类似小组攻击，但利用更大群体的平均位置，增强全局收敛能力。
原理：保留更优的解，避免丢失历史最优信息，类似于精英保留策略，确保算法稳定性。
多策略协作：结合小组和集群行为平衡探索与开发。
自适应系数CFCF：动态调整搜索步长，避免早熟收敛。
食物储存机制：保留历史最优解，增强鲁棒性。
实验验证：在CEC2014/CEC2017测试集、无人机路径规划和工程问题上表现优异，显著优于PSO、GWO等算法。
–END–
关注“学姐带你玩AI”公众号，后台回复“强化组合”
领取强化学习+组合优化前沿论文合集+开源代码
往期精彩阅读
👉kaggle比赛baseline合集
👉经典论文推荐合集
👉人工智能必读书籍
👉本专科硕博学习经验
评论区留言参与讨论嗷
