非洲秃鹫优化算法（AVOA）的详细原理和数学公式
非洲秃鹫优化算法（AVOA）的详细原理和数学公式
一、算法核心原理与生物启发机制
定义：非洲秃鹫优化算法（African Vultures Optimization Algorithm, AVOA）是2021年由Abdollahzadeh等人提出的元启发式算法，模拟非洲秃鹫的觅食行为和群体动态，通过数学建模实现全局优化。
关键事实：
• 生物原型：非洲秃鹫根据体型和力量分为三类（强壮型、中等型、虚弱型），觅食时通过群体协作、冲突竞争和能量调节实现食物获取。
• 算法映射：将秃鹫种群分为“最优解”（最强秃鹫）、“次优解”（次强秃鹫）和普通个体，通过模拟其“探索-开发”行为实现优化。
• 核心优势：在36个基准函数测试中，AVOA在30个函数上优于对比算法，收敛速度和寻优精度表现突出。
数学模型框架：
AVOA流程分为四个阶段：确定组内最优秃鹫→计算饥饿率→探索阶段→开发阶段，各阶段通过数学公式实现位置更新。
二、关键阶段与数学公式
- 第一阶段：确定组内最优秃鹫
定义：初始化种群后，筛选最优和次优解作为“参考目标”，其他个体通过概率选择向其移动。
核心公式：
• 目标选择概率（轮盘赌策略）：
其中 FiFi 为第 ii 个个体的适应度值，pipi 为选择概率