- 1【毕业设计】答 辩 技 巧 一（以一个过来人的身份，祝各位答辩 过 过 过）_毕设答辩
- 2Windows 安全中心：页面不可用 你的 IT 管理员已限制对此应用的某些区域的访问，并且你尝试访问的项目不可用。有关详细信息，请与 IT 支持人员联系。_你的it管理员已限制对此应用的某些区域的访问
- 3【安全】查杀linux隐藏挖矿病毒rcu_tasked_pischi
- 4使用Mockjs模拟（假数据）接口(axios)_mock假数据
- 5Hive精选10道面试题_hive面试题
- 6wm命令大全详解_wm folded-area
- 7如何在 Ubuntu VPS 上部署 Flask 应用程序
- 8C++实现遍历指定文件夹下的所有文件_c++文件夹下所有文件
- 9AndroidGIS开发协助文档_android arcgis 开发文档
- 10使用LoRA和QLoRA微调LLMs：数百次实验的见解_lora微调时间
智能优化算法：社交网络搜索算法-附代码_社交网络算法
赞
踩
智能优化算法：社交网络搜索算法
摘要:社交网络搜索算法(Social Network Search,SNS)是于2021年提出的一种新型智能优化算法，算法主要模拟了用户表达意见时的行为：模仿、对话、争论和创新，这些是人们在进行社交时的真实行为。这些行为被用作优化操作符，并模拟用户如何受到影响并且被激励分享他们的新观点。具有寻优能力强，收敛速度快等特点。
1.算法原理
1.1 种群初始化
种群在搜索边界内随机初始化：
X
0
=
L
B
+
r
a
n
d
(
U
B
−
L
B
)
(1)
X_0=LB+rand(UB-LB)\tag{1}
X0=LB+rand(UB−LB)(1)
其中，
L
B
LB
LB和
U
B
UB
UB分别表示个体的上下边界，
r
a
n
d
rand
rand是[0,1]之间的随机数。
1.2 模仿
对于大多数人而言，当被关注者发布一些新的活动时，我们通常会努力模仿他们，模仿行为可以表示为：
{
X
i
n
e
w
=
X
k
+
r
a
n
d
(
−
1
,
1
)
∗
R
R
=
r
a
n
d
(
0
,
1
)
∗
r
r
=
X
j
−
X
i
(2)
其中，这里
X
j
X_j
Xj 为随机选择的一个交谈对象，
R
R
R 是模仿效果。
1.3 对话
在社交网络中，用户可以进行虚拟交互，并就不同的问题进行交谈
{
X
i
n
e
w
=
X
k
+
R
R
=
r
a
n
d
(
0
,
1
)
∗
D
D
=
s
i
g
n
(
f
i
−
f
j
)
∗
(
X
j
−
X
i
)
(3)
其中，这里
X
k
X_k
Xk 为随机选择的一个交谈对象，
R
R
R 是聊天效果，基于不同的观点能产生不同的反馈效果。
s
i
g
n
sign
sign即
s
i
g
n
sign
sign函数，
f
i
、
f
j
f_i、f_j
fi、fj 分别对应个体
i
i
i个体
j
j
j的适应度值。
1.4 争论
争论是一种状态，即用户向他人解释他们对事件的看法，并为自己的观点辩护。在这种情况下，用户会看到与其他人不同的观点，并且可能会受到所表达原因的影响。
{
X
i
n
e
w
=
X
i
+
r
a
n
d
(
0
,
1
)
∗
(
M
−
A
F
∗
X
i
)
M
=
∑
r
N
r
X
t
N
r
A
F
=
1
+
r
o
u
n
d
(
f
a
n
d
)
(4)
式中
M
M
M为评论区或粉丝后援群中的用户的位置平均值，
A
F
AF
AF 是许可因子，表示用户某一问题的赞同程度，其值为1或2。
1.5 创新
有时，用户在网络上分享的话题来自他们的新体验和想法。一个特定的主题可能有不同的特征，每个特征都会影响对问题的理解。因此，通过改变其中一个的观念，主体的一般概念将发生变化，从而实现一种新颖的观点。
{
x
i
,
n
e
w
d
=
t
∗
x
j
d
+
(
1
−
t
)
∗
n
n
e
w
d
n
n
e
w
d
=
l
b
d
+
r
a
n
d
1
∗
(
u
b
d
−
l
b
d
)
t
=
r
a
n
d
2
(5)
式中
d
d
d为搜索空间中随机选取的某一维度，
r
a
n
d
1
,
r
a
n
d
2
rand_1,rand_2
rand1,rand2 均为[0,1]内一随机数，
u
b
d
,
l
b
d
ub_d,lb_d
ubd,lbd分别对应当前维度的上、下限。
算法流程：
步骤1：初始种群，以及相关参数；
步骤2：计算适应度值，并记录全局最优解；
步骤3：随机选择行为模式（模仿，对话，争论，创新），进行种群更新
步骤4：判断是否满足停止条件，如果满足则输出最优解，否则重复步骤2-4。
2.实验结果
3.参考文献
[1] S. Talatahari, H. Bayzidi and M. Saraee, “Social Network Search for Global Optimization,” in IEEE Access, vol. 9, pp. 92815-92863, 2021, doi: 10.1109/ACCESS.2021.3091495.
