2026年SCI一区新算法-赏金猎人优化算法(BHO)-公式原理详解与性能测评 Matlab代码免费获取
Ps:本期代码免费获取,觉得有用的小伙伴可以点个推荐或赞支持一下,给作者更多推出免费代码的动力~
目录
赏金猎人优化算法 (Bounty Hunter Optimizer, BHO) 是一种新型的元启发式算法(智能优化算法),其灵感来源于赏金猎人组织追捕目标的社会行为——情报收集、任务部署、协作分工和捕获。与不同于以往的动物园算法,该算法灵感新颖,适合应用到自己的学科!该成果由 Mingyang Yu 等人于 2026年3月发表在SCI一区期刊《Knowledge-Based Systems》上!

由于发表时间较短,目前谷歌学术上还没人引用!你先用,你就是创新!

原理简介




算法伪代码
为了使大家更好地理解,这边给出作者算法的伪代码,非常清晰!


如果实在看不懂,不用担心,可以看下源代码,再结合上文公式理解就一目了然了!
性能测评
原文作者在CEC2017测试套件上(30维和100维)进行了严格评估,将BHO与11种先进优化算法进行全面对比,包括经典算法(GWO、WOA、HHO)、近年高引用算法(IPO、MSMA、COA、OMA)以及竞赛级最先进算法(LSHADE_SPACMA、LSHADE_cnEpSin、MadDE、EA4eig)。
这边为了方便大家对比与理解,采用23个标准测试函数,即CEC2005,设置种群数量为30,迭代次数为500,和24年新出的北极海鹦优化算法APO进行对比!这边展示其中5个测试函数的图,其余十几个测试函数大家可以自行切换尝试!





可以看到,这个算法性能不错,在大部分函数上都超过了25年新出的北极海鹦优化算法,大家应用到各类预测、优化问题中是一个不错的选择~
参考文献
[1]Yu M, Yang H, Zhang J, et al. Bounty Hunter Optimizer: A Novel Metaheuristic with an Application to Multi-UAV Mobile Edge Computing and Path Planning[J]. Knowledge-Based Systems, 2026: 115836.
完整代码
如果需要免费获得图中的完整测试代码,只需点击下方小卡片,再后台回复关键字,不区分大小写:
BHO
也可点击下方小卡片,再后台回复个人需求(比如BHO-Transformer算法)定制以下BHO算法优化模型(看到秒回):
1.机器学习/深度学习类:BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer等等均可~
2.组合预测类:CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可(可任意搭配非常新颖)~
3.分解类:EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~
4.路径规划类:机器人路径规划、多机器人动态路径规划、无人机三维路径规划、无人机集群路径规划、无人机任务分配、冷链物流路径优化、TSP问题、物流中心选址、VRPTW路径优化等等~
5.小众优化类:配电网故障定位、边缘计算任务卸载、特征选择、投资组合优化、DV-Hop定位、光伏电池参数辨识优化、光伏MPPT控制、储能容量配置优化、微电网优化、PID参数整定优化、无线传感器覆盖优化、图像分割、故障诊断、车间调度、车间布局优化等等均可~
6.原创改进优化算法(适合需要创新的同学):原创改进2026年的赏金猎人优化算法BHO以及冠豪猪优化算法CPO、白鲸优化算法BWO等任意优化算法均可,保证测试函数效果,一般可直接核心!
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。
更多推荐

所有评论(0)