Dung beetle optimizer|（DBO）智能算法之蜣螂优化算法(DBO)|含matlab代码

1、简介

基于蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为，提出了一种新的基于种群的蜣螂优化器（DBO）算法。新提出的DBO算法兼顾了全局探索和局部探索，具有收敛速度快、求解精度满意的特点。该成果于2022年发表在知名SCI期刊THE JOURNAL OF SUPERCOMPUTING上。

2、 数学模型

2.1 滚球行为

 ⁣ x i ( t + 1 ) = x i ( t ) + α × k × x i ( t − 1 ) + b × Δ x Δ x = ∣ x i ( t ) − X w ∣

$$\begin{array}{l}{ {\\\!x_{i}(t+1)=x_{i}(t)+\alpha\times k\times x_{i}(t-1)+b\times\Delta x}}\\ { {\displaystyle\Delta x=|x_{i}(t)-X^{w}|}}\end{array}$$ xi​(t+1)=xi​(t)+α×k×xi​(t−1)+b×ΔxΔx=∣xi​(t)−Xw∣​

2.2 跳舞行为

$x_i(t+1)=x_i(t)+\tan (\theta )|x_i(t)-x_i(t-1)|$

2.3 繁殖行为

$B_i(t+1)=X^{\ast }+b_1\times (B_i(t)-L{b}^{\ast })+b_2\times (B_i(t)-U{b}^{\ast })$

2.4 觅食行为

$x_i(t+1)=x_i(t)+C_1\times (x_i(t)-L{b}^b)+C_2\times (x_i(t)-U{b}^b)$

2.5 偷窃行为

$x_i(t+1)=X^b+S\times g\times \left(|x_i(t)-X^{\ast }|+\left|x_i(t)-X^b\right|\right)$

3、实验结果

4、 源代码

（1）DBO跑CEC2005、DBO跑CEC2017数据集