2025年6月中科院2区-红杉优化算法Sequoia Optimization Algorithm-附Matlab免费代码-EW帮帮网

引言

本期介绍一种创新算法——红杉优化算法Sequoia Optimization Algorithm
，SequoiaOA。从红杉森林生态系统的自我调节动力学和恢复力启发的一种新的元启发式方法，有别于传统的单一生物学或现象学启发。于2025年6月发表在JCR 1区，中科院2区 期刊 Results in Engineering。

红杉优化算法的灵感来自红杉树的这些生长行为和弹性特征，其数学模型将在以下中概述。

1. 初始化：和其他群优化算法一样，采用随机初始化。

2. 集体成长资源共享和网络化：红杉簇生，形成茂密的森林。它们的根系既浅又广，与周围的植物和真菌建立共生网络，共享水和营养。这种集体行为提供了对环境压力的保护，根部网络的资源共享使群体内部的合作和相互支持成为可能。受这种群体行为的启发，算法设计可以模拟地下资源共享机制作为协同调整策略：

式中xi表示个体i的位置或解向量。randn（0,1）表示从正态分布中生成随机数，用于模拟扰动。Top代表上半部分人口的平均位置，总结了该群体的集体知识。

3. 适应和恢复力：红杉以其卓越的适应性而闻名，在干旱和火灾等极端环境中。它们厚厚的树皮和非凡的储水能力使它们能够承受火灾并迅速恢复。红杉生长的生态系统经常受到火灾事件的影响。虽然这些火灾会破坏一些植被，但它们会清除较弱的竞争对手，向土壤中释放养分，并刺激红杉种子的发芽。这一生长过程增强了森林的生物多样性和恢复力。受这一自然过程的启发，如所示，算法设计纳入了随机扰动机制来模拟这种环境扰动。通过引入随机扰动，算法可以摆脱局部最优，探索更广泛的解空间，防止种群过早收敛。

4. 繁殖和多样性：红杉树通过种子传播繁殖，保持遗传多样性以适应不断变化的环境条件，算法使用交叉和突变机制。这些机制通过模拟生物繁殖过程中观察到的基因重组和突变，引入多样性，增强适应性，从而提高解决方案的全面性。交叉使有利性状得以传递和组合，突变则提供了新的探索方向，防止过早趋同：

1.交叉：交叉是指两个亲本个体产生一个或多个后代的过程。交叉操作使亲本个体的特征得以重组和遗传，使下一代能够继承亲本的有利性状。交叉操作的过程增加了种群的多样性，有助于摆脱局部最优

2.变异：突变包括对个体进行随机调整以引入新的遗传特征。这种操作增强了解的多样性，防止种群收敛到局部最优。通过应用随机扰动，该算法可以探索解空间的新区域，帮助摆脱局部最优陷阱：

5. 精英保留和最佳解决方案的增强：红杉树的高大和长寿使最强的个体能够随着时间的推移生存和繁殖，因此采用精英保留策略来保存最佳解决方案，确保在迭代中保留最佳解决方案。

1.局部搜索：采用局部搜索机制对当前最优解引入轻微扰动，模拟红杉对其局部环境的微调适应，以发现改进的解

2.精英保留：精英保留机制通过为下一代保留精英个体来确保优良性状的遗传

算法伪代码：

03. 对比验证

原文作者采用CEC2017和CEC2022基准函数的对比实验，通过对六种已建立的元启发式算法进行基准测试，验证了算法的有效性。SequoiaOA在超过40%的测试函数中取得了优异的性能，在目标函数度量的平均值和方差方面优于竞争对手。此外，通过八个工程设计问题验证了其在解决现实世界多约束工程挑战方面的有效性。另外在无人机路径规划中的建模和应用实验表明了该方法在轨迹优化任务中的实际适用性。深入的讨论表明，SequoiaOA具有显著的未来增强潜力，并对各种优化问题具有广泛的适用性。

参考文献

Shijie Fan, Ruichen Wang, Kang Su, Yang Song, Rui Wang, A sequoia-ecology-based metaheuristic optimisation algorithm for multi-constraint engineering design and UAV path planning,

Results in Engineering,Volume 26,2025,105130, https://doi.org/10.1016/j.rineng.2025.105130.