鸡群算法及相关研究简述

毕舒婷 韩毅 张亮

摘要：鸡群优化（Chicken Swarm Optimization，CSO）算法是一种基于鸡群觅食行为的随机优化算法。CSO算法能够简单、快速地解决科学研究领域中的各类数值计算问题，受到国内外学术界及工程优化领域学者的广泛关注。CSO算法具有收敛速度快和收敛效率高的优点，同时也趋于陷入局部最优解。阐述了CSO算法的基本原理以及流程，介绍了CSO算法在部分研究领域中的应用。

关键词：鸡群优化算法；等级制度；仿生算法

一、鸡群算法

为适应现代工程优化领域中技术在现实当中的优化复杂度，国内外研究学者普遍采用数学和运筹学以及智能优化算法来进行对问题研究和求解。人工智能优化算法在求解高复杂度的问题有很好的效果，CSO算法就是其中之一。

CSO算法是由Meng等于2014年10月在第五次国际群体智能会议（ICSI）上提出的一种新的仿生算法，CSO算法模拟了鸡群的层次结构和鸡群觅食行为。整个鸡群分为很多个由公鸡带领子群，每个子群包括一只公鸡、几只母鸡和雏鸡组成。与其他人工智能优化算法相比，该算法具有很好的收敛速度和高收敛精度的优点。

（一）鸡群觅食

鸡群根据适应度值的大小划分为几组，鸡在不同的觅食规律下进行探索式的觅食，同时在鸡群的内部也会存在着觅食竞争，因此不同群内的鸡通过各自觅食方式来不断更新觅食位置。

（二）鸡群竞争

鸡的行为取决性别，不同鸡群或群内的鸡之间都存在竞争关系。公鸡会在领域内积极寻找食物并负责保护成员，与侵略它们集团栖息领地的鸡发生战斗。处于弱势的鸡，勉强地站在鸡群的周边寻找食物，即雏鸡在母亲母鸡的保护下一起生活。

（三）基本原理

鸡群是由不同等级的鸡构成的完整社会体系：

（1）所有子鸡群一般由一只公鸡、多只母鸡和多只雏鸡构成，并形成各自相对独立的群体；（2）根据鸡的适应度值，觅食能力最好的鸡认定是公鸡，最差的是雏鸡。母鸡和雏鸡之间的亲属关系通过简单的随机组合确定；（3）群体中的各种关系将在特定的时间步骤中保持不变，所有特性将在时间步长之后更新它们的值；（4）以公鸡为中心点，其他的鸡则围绕在其周围寻找食物，而它们可以避免其他组别的鸡偷食。雏鸡总是围绕在母鸡的身边搜寻食物，占主导地位的母鸡在公鸡得到食物之后可以优先得到食物；（5）CSO的搜索空间中，RN表示公鸡数；HN表示母鸡数；CN表示雏鸡数；MN表示作为母亲的母鸡数量；（6）当公鸡的觅食位置最好时能优先获得食物。

（四）算法步骤

（1）初始化种群参数。（2）初始化鸡群。根据公鸡的数量将鸡群分组，并将母鸡和小鸡随机分配给每个公鸡所在的组，依照概率确定母亲与雏鸡之间的关系。（3）个体位置更新。由各个位置更新公式计算形成的最优值与原始值比较，如果经过觅食位置更新后的最优值较大，则更新个体位置，否则保持原来位置。

二、算法应用领域简述

（一）传感器问题和通信问题

曹建等在应用CSO算法来优化提高无线传感器网络的三面定位时加入了RSSI信号衰减模型，发现基于鸡群的三面定位算法在迭代次数一样的情况下定位误差更小，并且陷入局部最优的可能性较小。SHAYOKH等针对大规模布线传感器网络，通过CSO进行定位，結果显示公鸡的数量越多，搜索的精度越高。在无线电的认知决策引擎中，有学者发现CSO具有更好的爬山能力。

（二）电网优化问题

王兴成等应用CSO算法优化配电网重构，实验验证了算法的收敛性稳定。有学者]将CSO用于智能电网（SG）的能量优化，有利于SG在传统网格中的通信和信息技术应用。有学者运用CSO算法和二维分进化用于电力需求侧管理，结果显示CSO算法可以极大减少用电费用。

（三）图像问题

有学者将CSO算法引入到图像的阈值分割中，结果优于GA算法和人工鱼群算法。有学者同样也将进CSO算法运用到了图像问题，对母鸡的位置更新公式进行了修改，融合了混沌思想。

（四）车间调度问题及机器人运动轨迹问题

有学者证明在柔性作业车间问题中，改进的CSO算法效率好、精度高。有学者在对柔性作业车间调度问题进行研究时，验证CSO算法的有效性。有学者把机器人的轨迹优化问题转化为无约束优化问题，验证CSO算法的有效性。

（五）水库优化调度问题

有学者引入了耗散结构，并在水库优化调度问题中有效的使用，最终计算显示CSO算法在相对迭代次数较少的情况下得到了最优值。

（六）优化锅炉氮化物排放问题

考虑到CSO算法收敛速度比较慢以及容易陷入局部最优，有学者进行了母鸡和雏鸡觅食方式的修改，改进的CSO算法在收敛性和鲁棒性上面具有明显的优势。当运用到锅炉燃烧中，通过观察氮化物浓度的变化显示，用CSO算法优化后的氮化物浓度相对下降率比自由搜索算法多10%。

（七）潜水器再入轨迹优化问题

潜水器再入轨道优化在军事和民用领域的广泛应用，已成为当前研究的热点。有学者提出了一种改进的鸡群优化算法（ICSO），实验结果证明该方法有效提高搜索速度。

（八）0-1背包问题

为解决0-1背包问题，有学者使用了改进CSO算法，该算法采用混合编码的方式。在仿真实验中，CSO算法在同等条件下比二进制粒子群算法具有更好的稳定性，更高的精度和更短的运行时间。

（九）飞行器轨迹优化问题

高超声速飞行器的再入轨迹优化是一个热门课题，有学者采用CSO算法结合优化方程中的代价函数，得到控制向量来生成飞行器的轨迹。

参考文献：

[1]Meng X，Liu Y，Gao X，et al.A new bio-inspired algorithm： chicken swarm optimization[J].Lecture notes in computer science，2014（8794）：86-94.

[2]曹建，乔学工.基于鸡群优化的无线传感器网络三面定位算法[J].计算机应用研究，2017，34（8）：2483-2485.

[3]胡汉梅，李静雅，黄景光.基于改进鸡群算法的微电网优化运行研究[J].高压电器，，2017 （02）：19-25.

作者简介：

毕舒婷（1992- ），女，江苏镇江人，助教，研究方向：供应链管理；

韩毅（1979- ），男，辽宁沈阳人，副教授，研究方向：生产计划与调度问题研究。