1
算法简介
黑猩猩优化算法 (CHOA)是 M． Khishe 等人于2020 年根据黑猩猩群体狩猎行为提出的一种新型元启发式优化算法。CHOA 通过模拟攻击黑猩猩（攻击者-attacker）、驱赶黑猩猩（驱赶者-Driver）、拦截黑猩猩（阻拦者-Barrier）和追逐黑猩猩（追捕者-chaser） 4 类黑猩猩协同狩猎行为来达到求解问题的目的。与其他算法相比，ChOA 具有收敛速度快、寻优精度高等特点。（看到将黑猩猩种群分类这么多了就应该能联想到该优化算法的参数较多，另一方面改进的方向也就越广泛了）
2
CHOA算法原理
与大多数元启发式算法类似，CHOA 是一种基于种群的方法（个人感觉非常像GWO优化算法），主要分为全局探索（exploration）阶段和局部勘探(exploitation)一共四个步骤，相关的算法国内检索到的文章仅仅有两篇，不懂得问题可后台私信。
2.1 驱赶和追逐猎物
在黑猩猩狩猎过程中，通常根据黑猩猩个体智力和性动机来分配狩猎职责。任何黑猩猩均可随机改变其在猎物周围空间中的位置，数学描述为
2.2 攻击方式(驱赶-拦截-追逐-攻击)
2.3 寻找-攻击（全局搜索-解释的可能有点乱建议去看原文件）
在狩猎最后阶段，一方面黑猩猩根据攻击者、驱赶者、拦截者和追逐者位置更新位置，并攻击猎物;另一方面黑猩猩通过分散寻找猎物显示探查过程，即 ChOA 全局搜索
2.4 社会动机（拟人化）
有助于 ChOA 在求解高维问题时克服陷入局部最优和收敛速度慢等缺点。在优化过程中，通过 50%的概率选择黑猩猩正常位置更新或通过混沌模型进行位置更新。
2.5 改进算法流程图
3
测试函数仿真图
由于代码太占地方，直接从后台获取吧，里面还包括了相关的参考文献（国内相关的算法文献较少，国外的较多）,从图中可看出这个优化算法要比之前所介绍的算法差很多哇（在测试集上的表现）
4
参考文献
[1]KHISHE M,MOSAVI MR. Chimp Optimization Algo-rithm[J]. Expert Systems with Applications, 2020 (pre-publish)
[2]黄倩,刘升,李萌萌,郭雨鑫.多策略黑猩猩优化算法研究及其工程应用[J/OL].计算机工程与应用:1-12[2021-08-16].http://kns.cnki.net/kcms/detail/11.2127.TP.20210806.1055.011.html.
[3]程国森,崔东文.黑猩猩优化算法-极限学习机模型在富水性分级判定中的应用[J].人民黄河,2021,43(07):62-66+103.
5
代码获取方式
后台回复 CHOA
详细代码+中文注释+参考文献
下期更新原子搜索算法（含源代码）
往期回顾
