智能优化算法1-冠状病毒群免疫优化算法（CHIO）

1.算法简介

2020年Mohammed Azmi Al-Betar等人提出的一种新的基于自然的优化算法——冠状病毒群体免疫优化算法(CHIO)。其灵感来源于世界传播的灾难性的新冠病毒，模仿了群体免疫策略和社会距离概念。三种类型的个体病例用于群体免疫:易感、感染和免疫。
本文研究了CHIO对其参数的敏感性。然后，CHIO使用23个著名的基准测试函数进行评估对七种最先进的方法进行了比较评价。比较分析表明，与其他成熟的方法相比，CHIO能够产生非常有竞争力的结果。为了进一步验证，本文使用了三个从IEEECEC 2011中提取的实际工程优化问题。再一次，CHIO被证明是有效率的。总之，CHIO是一种非常强大的优化算法，可以用来解决各种优化领域的许多优化问题。
（个人觉得收敛速度慢，优化效果一般，优点在于新，简单分享一下相关理论及个人实际运行得到的优化结果。而且作者原文Quite recently, the novel 2019 coron-avirus evolved and start to spread from Wuhan, China,since December 2019. Consequently, the virus spreadacross several countries and the World Health Organization(WHO) announces the name of the new contagious diseaseto be Coronavirus Disease (COVID-19) [52]在未查明事实的前提下，叙述新型2019冠状病毒自2019年12月起开始从中国武汉传播，实际上最先报告新冠病例，不代表最先出现新冠病毒。已经有证据表明，有多个国家如美国意大利等国家比中国更早出现新冠病毒。）

2.算法基础概念

步骤1 初始化CHIO参数和优化问题。

Step 2 CHIO随机(或启发式)生成一组与他一样多的病例(个体)。生成的情况存储为大小为n -HIS。

第三步冠状病毒群体免疫进化这是CHIO的主要改进循环。病例xjis的基因(xj i)要么保持不变，要么受到社会距离的影响

步骤4更新群体免疫种群，计算每个生成的病例xjðt þ 1Þ的免疫率fðxjðt þ 1ÞÞ，如果更好，则将当前病例xjðtÞ替换为生成的病例xjðt þ 1Þ，如fðxjðt þ 1ÞÞ\fðxjðtÞÞ。当Sj = 1时，年龄向量Aj也增加1

step5病死率当前感染病例(Sj== 1)的免疫率(fðxjðt þ 1Þ)在最大年龄参数指定的特定迭代次数(即Aj ?最大年龄)，那么这个病例被认为是死亡。之后，使用xj iðt þ 1Þ = lbiþ ðubi从头开始重新生成?lbiÞ吗?Uð0;1Þ， 8i¼1;2;…此外，Ajand Sjare设置为零。

CHIO重复步骤3到步骤6，直到终止条件，通常取决于是否达到最大迭代次数。在这种情况下，易感和免疫病例的总数占人口的多数。感染病例也消失了

3.优化效果

3.1 基准函数测试结果

可见寻优效果一般

3.2 与其他算法对比结果

可见寻优效果一般（蓝色为chio）

3.3 实际运行结果

实际运行程序对基准测试函数F1进行寻优实验，得到结果如下

4.代码

1.根据相关字搜索可找到有偿分享代码的，如csdn
2.下载链接（包含程序代码和原文章）

https://download.csdn.net/download/hahahahah123456/15365914

欢迎一起交流学习智能优化算法

参考文献：

Al-Betar M A, Alyasseri Z A A, Awadallah M A, et al. Coronavirus herd immunity optimizer (CHIO)[J]. Neural Computing and Applications, 2020: 1-32.