Ⅰ. 長城建造算法

長城建造算法（Great Wall Construction Algorithm，GWCA）是由Ziyu Guan及其同事,GWCA的靈感來自于古長城建造過程中工人之間的競爭和淘汰機制。該成果于2023年7月在線發(fā)表，12月正式發(fā)表在中科院1區(qū)SCI期刊Expert Systems With Applications。引入的一種新型元啟發(fā)式優(yōu)化器。它從古代長城建造過程中工人之間的歷史競爭和淘汰機制中汲取靈感。GWCA優(yōu)化器將這些原則納入其優(yōu)化策略。

此外，該算法優(yōu)先考慮以性能為導向的方法而非隱喻方面，利用為長城建設做出貢獻的工人的競爭精神。通過這種獨特的方法，GWCA算法旨在有效地解決復雜的優(yōu)化問題，同時模擬歷史建造過程中表現(xiàn)出的有效性和資源管理。表1總結了GWCA算法定義中使用的參數(shù)。在接下來的章節(jié)中，我們描述了GWCA優(yōu)化器的各個階段。

1) 初始化

方程1用于初始化第一代個體，其中參數(shù)??決定了邏輯斯蒂映射（設為4）的增長率，參數(shù)??是在范圍 [0, 1]（不包括值 0.25, 0.5, 0.75 和 1）內均勻分布的隨機數(shù)。

2) 開發(fā)

方程2用于在群體行為過程中開發(fā)搜索空間，其中參數(shù)??是從集合??上均勻分布中采樣的均勻分布隨機數(shù)，參數(shù)??是一個無限小的數(shù)集，設為 2.22E-16。

3) 探索

方程3用于在群體行為過程中探索搜索空間，其中參數(shù)??是一個無限小的數(shù)集，設為 2.22E-16。

4) 開發(fā)與探索之間的平衡

方程4用于偏向更好的解決方案，促進收斂到搜索空間中的最優(yōu)或近優(yōu)解，并克服在優(yōu)化過程中陷入局部最優(yōu)的問題。

5) 選擇

算法1用于確定當前種群中哪些個體更有可能被選擇出現(xiàn)在下一代（即，淘汰最差的解決方案）。最差的解決方案被新生成的解決方案替代，使用方程5。值得一提的是，系數(shù)??是在范圍 [0, 1] 內均勻分布的隨機數(shù)。

算法1如下：

完整資源獲取方式(200多種算法)?https://github.com/suthels/-/blob/main/README.md

Ref:?Ziyu Guan, Changjiang Ren, Jingtai Niu, Peixi Wang, Yizi Shang,Great Wall Construction Algorithm: A novel meta-heuristic algorithm for engineer problems,Expert Systems with Applications,Volume 233,2023,120905,ISSN 0957-4174, https://doi.org/10.1016/j.eswa.2023.120905