2025年6月最新SCI-灰熊脂肪增长优化算法Grizzly Bear Fat Increase-附Matlab免费代码

引言

本期介绍一种受自然启发的创新算法------灰熊脂肪增长优化算法Grizzly Bear Fat Increase optimizer，GBFIO。GBFIO算法模仿灰熊为准备过冬而积累身体脂肪的自然行为，借鉴了它们的狩猎、捕鱼、吃草、蜂蜜等策略。于2025年6月发表 在JCR 1区，中科院3区 SCI 期刊 Biomimetics。

灰熊是杂食动物，它们的饮食取决于可用的食物来源。除了捕鱼和狩猎，棕熊还以植物为食，如水果、树根、贝类、蜂蜜等。因此，灰熊体内脂肪的增加可以分为以下三个阶段，每个阶段在熊体内储存一定的脂肪，直到达到冬眠所需的数量:(1)根据前一年的记忆，找到适合捕鱼的蔬菜、水果、贝类、池塘、河流的位置，并跟踪鱼类的运动。（2）猎捕其他动物并照顾后代，以免被猎捕；(3)钓鱼（这是一个局部搜索）。因此，提出的基于灰熊脂肪增加的优化算法建模如下。

初始化：和其他群优化算法一样，采用随机初始化。

阶段1：寻找植物、蜂蜜、贝类、尸体和河流

灰熊增加脂肪的主要食物是鱼，但在鱼从海里到达产卵场和灰熊找到合适的捕鱼地点之前，它们会吃其他东西，包括蔬菜、水果、蜂蜜、贝类和动物尸体。因此，通过吃蔬菜、水果、贝类等来获得脂肪，也可以找到鱼，模型如下：

随机参数

阶段2：狩猎阶段和保护幼崽不被猎杀

作为第一步，熊确定猎物的位置，然后向猎物移动。该算法通过模拟熊的行为，对搜索空间进行搜索，从而发现不同的搜索区域。GBFIO的一个关键特征是猎物在搜索空间中的位置是随机确定的。方程模拟了熊如何移动到目标位置以及这些概念是如何工作的

第二步，模拟其他动物捕食幼崽的过程。从种群中随机抽取3个个体作为幼崽和土狼，由于土狼是捕食者，并且比幼崽更强壮，所以在这3个被选中的个体中选择最优秀的一个作为土狼，另外2个作为幼崽。因此，土狼捕猎幼崽的模型如下：

假设熊要么通过捕猎获得脂肪，要么通过失去幼崽来储存更多脂肪。因为熊照顾幼崽，也可以通过逃跑和战斗在一些攻击中幸存下来，所以熊比幼崽更容易被土狼或其他熊猎杀。综上所述，要么考虑狩猎状态，要么幼崽丢失，所以有：

阶段3：钓鱼

灰熊对鱼有强烈的偏好。每年，成千上万的鲑鱼洄游到上游产卵。这些鱼为熊提供了生存所需的丰富脂肪和蛋白质。丰富的鱼类帮助熊增加了过冬所需的体重

一只成年灰熊每天捕获大约25条鱼。为了计算每天的渔获量，将捞取阶段表示为

算法流程：

采用31个标准基准函数和30个CEC2017测试基准函数对GBFIO的性能进行了评价，包括高维单峰、多峰、固定维多峰以及旋转和移位基准函数。此外，还考虑了拉力/压缩弹簧设计、焊接梁设计、压力容器设计和减速器设计等4个约束工程设计问题，验证了所提出的GBFIO算法在求解约束问题方面的有效性。GBFIO可以成功解决多种问题。

参考文献

Dehghani, M.; Aly, M.; Rodriguez, J.; Sheybani, E.; Javidi, G. A Novel Nature-Inspired Optimization Algorithm: Grizzly Bear Fat Increase Optimizer. Biomimetics 2025 , 10, 379. https://doi.org/10.3390/biomimetics10060379