SCI一区TOP|常青藤优化算法（IVYA）原理及实现【免费获取Matlab代码】

---

1.背景

2024年，M Ghasemi受到自然界中常青藤生长行为启发，提出了常青藤优化算法（Ivy Algorithm, IVYA）。

2.算法原理

2.1算法思想

IVYA模拟常青藤种群的协调有序增长以及扩散和演化过程，其通过一个微分方程和数据密集型的实验过程来建模。IVYA利用附近常青藤的知识来确定生长方向，通过选择最近且最健康的邻居来模拟常青藤在自然中的行为。

2.2算法过程

IVYA的研究步骤和种群搜索

常春藤是一种随时间生长的蔓生植物，假设常青藤植物的生长速率Gv是时间的函数，由微分方程给出:
$$\frac{dG\nu (t)}{dt}=\psi \cdot G\nu (t)\cdot \phi (G\nu (t))\text{\hspace{1em}(1)}$$
其中，Gv为增长率，φ为生长速度，φ为偏离生长的修正系数。成员Ii的生长速度Gvi(t)的差分方程:
$$\Delta G{v}_i(t+1)=ran{d}^2\odot (N(1,D)\odot \Delta G{v}_i(t))\text{\hspace{1em}(2)}$$
其中，向量ΔGvi(t)和ΔGvi(t1)表示离散时间系统(时刻t和时刻t1)的增长率。
成员Ii利用成员Iii沿着光源的方向进行攀爬和移动:
$$I_i^{new}=I_i+|N(1,D)|\odot (I_{ii}-I_i)+N(1,D)\odot \Delta G{v}_i,i=1,2,...,Npop\text{\hspace{1em}(3)}$$

在成员Ii通过搜索空间全局漫游到最近的邻居Iii的阶段之后，成员Ii试图直接跟随整个种群的最佳成员IBest，这相当于在成员IBest周围寻找更好的最优解。
$$I_i^{new}=I_{Best}\odot (rand(1,D)+N(1,D)\odot \Delta G{v}_i)\text{\hspace{1em}(4)}$$

当前成员Inew i的增长率:
$$\Delta G{\nu }_i^{new}=I_i^{new}\oslash (I_{max}-I_{min})\text{\hspace{1em}(5)}$$

伪代码

3.结果展示

4 .参考文献

[1] Ghasemi M, Zare M, Trojovský P, et al. Optimization based on the smart behavior of plants with its engineering applications: Ivy algorithm[J]. Knowledge-Based Systems, 2024, 295: 111850.

5.代码获取