一、算法简介

金豺优化算法（Golden jackal optimization，GJO）由Nitish Chopra 和 Muhammad Mohsin Ansari 于2022年提出，该算法模拟了金豺狩猎行为，算法新颖，快速高效。

金豺是一种中型的体型偏瘦的豺狼，体长60-132厘米，站立时高约38-50厘米，尾巴长约20-30厘米，体重8-10千克，肩高约40厘米。头部，耳朵，两侧及四肢具有红褐色的色调，有长而尖的口吻和相对较短的尾巴，蓬松的尾巴上毛比较长。通常身体的皮毛颜色是黄色至淡金色、近乎白色的淡黄或者棕色，随着分布环境和季节的不同而不同。一般雨季颜色深，旱季颜色浅。也有个体是黑色的，但很稀少。共有13个亚种。金豺是适应性极强的社会性高度发达的动物，合作狩猎是它们最重要的工作，成功率大约是个体狩猎的三倍。群落中的金豺会用把半消化的肉块放到胃里然后呕出来给小金豺食用。领土范围由尿液来标志，大约2-3公里，群体成员共同保卫领土。虽然金豺是出色的猎人，但是不会捕猎体型较大的动物。金豺会尾随狮子，捡食它们的剩饭。胡狼还有储存食物的习惯。群落中互助行为的存在对整个群落，尤其是小金豺的生存至关重要。

二、算法原理

金豺的食物来源广泛，也是腐肉和垃圾清道夫，修长的身体和长长的腿，让这种豺狼在长途旅行中很容易寻找食物，它们通常迅速吞噬食物，并运回窝中吐出来喂食伴侣或幼狼，为减少其他食肉动物盗窃的风险。会以家族为单位合作捕猎，有时剩余的食物会找地方被掩埋。

金豺优化算法包含两个阶段：

2.1全局搜索猎物

由于豺狼的本性，它们知道如何感知和跟踪猎物，但偶尔猎物不能轻易被抓住并逃脱。因此，豺狼等待并寻找其他猎物。狩猎由雄性豺领。母豺跟随雄豺。

2.2围攻扑击猎物

当猎物被豺狼骚扰时，它的闪避能量会减少，然后豺狼对会包围前一阶段检测到的猎物。封闭后，它们扑向猎物并吞噬它。雄性和雌性豺狼一起狩猎的行为在数学上建模如下：

金豺位置更新：

三、算法流程

四、数值实验

多目标金豺优化算法（Multiple Objective Golden jackal optimization，MOGJO）由金豺优化算法的优良策略与多目标优化思想融合而成。为了验证所提的MOGJO的有效性，将其在46个多目标测试函数（ZDT1、ZDT2、ZDT3、ZDT4、ZDT6、DTLZ1-DTLZ7、WFG1-WFG10、UF1-UF10、CF1-CF10、Kursawe、Poloni、Viennet2、Viennet3）以及1个工程应用（盘式制动器设计）上实验，并采用IGD、GD、HV、SP进行指标评价。

部分实验结果如下：

wfg3：

wfg4：

wfg5：

wfg6：

wfg7：

DTLZ5：

Viennet2：

盘式制动器设计：

五、参考代码

源文件夹包含MOGJO的所有代码，包含46个多目标测试函数，1个工程应用（盘式制动器设计），4种评价指标（IGD，GD，HV，SP）。代码可以直接运行，支持二次开发，MOGJO算法新颖，快速高效，大力推荐。