方舟的小心脏瞬间骤停。</p>
全场这么多教授和专家，其他人都没有说话，唯独身份最高的那位跳出来。</p>
这就仿佛你打一个升级的单机游戏，才打到一半，等级还没有加满，最终Boss就跳出来说，我想要和你过两招。</p>
“你的加密算法思路很不错，但是前面采用的随机算法却有些配不上后面这么优秀的搜索算法。我建议你照我说的修改一下子。</p>
在第七行，通过3种理想状态的假设，寻优搜索的位置和路径的更新公式如下:</p>
x i t + 1 = x i t+α⊕L(λ)，i=1，2，..，n(1)</p>
式中：xi为第i个数据在第t次迭代的位置，用于控制步长的搜索范围，其值服从正态分布。</p>
在式(1)中，L (λ) L(\lambda)L(λ)为Ｌéｖｙ随机搜索路径，随机步长为Ｌéｖｙ分布</p>
L ( s ，λ)~ s ?λ， ( 1 <λ≤ 3 )式中：—由前面的计算得到的随机特征。</p>
从你的上式可以看出，该迭代方式是一个随机漫步的过程。由于其随机游动特征，局部极值点附近往往会出现新解，因此这样的短步长搜索更加有利于提高解的质量。另外，距离局部最优值较远的地方也存在新解，偶尔的大步长探索，使得算法不容易陷入局部极值点。</p>
对于这样的问题，我个人建议更改一下步骤的顺序：</p>
步骤1 定义目标函数f(X)， X =( x 1 ，...， x d ) T f(X)，X=(x_1，...，x_d)^Tf(X)，X=(x）函数初始化，并随机生成多个数据保存的初始位置 X i ( i = 1 ， 2 ，...， n ) X_i(i=1，2，...，n)X (i=1，2，...，n)，设置数据大小、问题维数、最大迭代次数等参数；</p>
步骤2 选择适应度函数并计算每个数据位置的目标函数值，得到当前的最优函数值；</p>
步骤3 记录上一代最优函数值，利用式(1)对其他鸟窝的位置和状态进行更新；</p>
步骤 4 现有位置函数值与上一代最优函数值进行比较，若较好，则改变当前最优值；</p>
步骤 5 通过位置更新后，用随机数r ∈[ 0 ， 1 ] r\in[0，1]r∈[0，1]与P PP对比，若r > P r>Pr>P ，则对xt + 1 x^{t+1}x t+1进行随机改变，反之则不变。</p>
步骤6 若未达到最大迭代次数或最小误差要求，则返回步骤2 ，否则，继续下一步；</p>