01. 引言

本文介绍了一种基于成吉思汗鲨鱼(Genghis Khan shark，GKS)行为的自然启发的元启发式算法(MA)，称为成吉思汗鲨鱼优化器(Genghis Khan shark optimizer，GKSO)，用于数值优化和工程设计。GKSO的灵感来自于GKS的捕食和生存行为。该成果于2023年10月 发表在中科院1区SCI期刊，CCF推荐期刊Advanced Engineering Informatics。

02. 数学建模

GKSO的灵感来自于GKS的捕食和生存行为，整个优化过程通过模拟GKS的四种不同活动，包括狩猎(探索)、运动(利用)、觅食(从探索转向利用)和自我保护机制来实现。利用不同的数学模型来模拟这些算子，从而有效地在搜索空间的不同区域执行智能体的优化任务。

1.狩猎行为

2.移动行为

3.觅食行为

4. 保护机制

GKSO伪代码：

03. 对比验证

原文作者分别使用CEC2019和CEC2022上已有的8种鱼类优化算法和其他9种知名的MAs对GKSO进行定量分析。其中，通过探索GKSO在不同维度和最大适应度评价量下对CEC2022的性能，进行了一系列实验场景，验证了GKSO的适用性和鲁棒性。统计结果表明，GKSO在两种不同类型算法的竞争中具有很强的优势。

更多详细结果，请参阅相应的文献。

04. Matlab代码下载

[1]Gang Hu, Yuxuan Guo, Guo Wei, Laith Abualigah,Genghis Khan shark optimizer: A novel nature-inspired algorithm for engineering optimization,Advanced Engineering Informatics,Volume 58,2023,102210, https://doi.org/10.1016/j.aei.2023.102210.