智能算法分为两种，一种是群体智能算法（ｓｗａｒｍｉｎｔｅｌｌｉｇｅｎｃｅａｌｇｏｒｉｔｈｍ），该算法大多模拟自然界中动植物的特有行为，并将其表达成数学语言，从而进行迭代寻优，如模拟蝙蝠回声定位行为而提出的蝙蝠算法（ｂａｔａｌｇｏｒｉｔｈｍ，ＢＡ）和模拟大杜鹃巢寄卵生特性的布谷鸟搜索算法（ｃｕｃｋｏｏｓｅａｒｃｈａｌｇｏｒｉｔｈｍ，ＣＳ）［２］；另一种是进化算法，如差分进化算法（ｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ，ＤＥ）是一种基于群体差异性的寻优算法，通过变异、交叉、选择的操作来进行迭代寻优。这些算法促进了计算科学的?发展。根据 ＮＦＬ定理，不存在某种算法在全部优化领域都存在优势，因此，近年来便有多种智能算法被提出，用于弥补已有算法的不足。鸡群优化算法（ｃｈｉｃｋｅｎｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ，ＣＳＯ）是由?Ｍｅｎｇ等人［４］于 ２０１４年提出，其模拟鸡群中的等级区分制度和群体行为，将鸡群种群划分为公鸡、母鸡和小鸡，不同的种群进行不同的移动策略，等级区分下特定种群中依然存在着竞争，这种根据不同的种群而制定不同的寻优策略有利于保持种群的竞争性。ＣＳＯ已被证明在函数优化领域优于粒子群算法，并且已经成功应用于工程优化设计问题、多分类器系数优化和聚类分析，这些成功的应用案例表明了 ＣＳＯ拥有较好的应用前景。

在基本鸡群算法的基础上提出了一种改进版鸡群算法(ECSO),在公鸡位置的更新过程中引入自适应变异策略用于平衡算法迭代后期下降的种群多样性,提升收敛速度;在母鸡移动过程中引入偏好随机游动策略来平衡算法的开发与探索阶段,增强算法的稳定性;在小鸡位置更新时引入领导者策略,减少算法搜索的盲目性;最后,通过测试多组函数,并与基本蝙蝠算法和鸡群算法以及已有改进的鸡群算法进行对比,验证了改进算法的有效性.

[1]韩斐斐, 赵齐辉, 杜兆宏,等. 全局优化的改进鸡群算法[J]. 计算机应用研究, 2019, 36(8):4.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。