2026年1月一区SCI-检测行为算法Detective Behavior Algorithm-附Matlab免费代码
引言
近年来，在合理框架内求解优化问题的元启发式算法的发展引起了全球科学界的极大关注。本期介绍一种新的创新算法——检测行为算法Detective Behavior Algorithm，DBA。该算法集成了三种核心搜索机制：大面积定向探索、局部利用和直接面向目标的攻击，于2026年1月最新发表在 JCR 1区，中科院1区期刊 Knowledge-Based Systems 。
1. 初始化：和其他群优化算法一样，采用随机初始化。
2. 探索与开发的转换机制：具体来说，f(it) > 0.5的候选解强调开发，而f(it)≤0.5的候选解强调开发.
3. 探索：从侦查行动中得到灵感，假设在初始阶段，没有关于敌人位置或其他相关数据的可用信息。因此，总部部署侦察设备和人员进行广泛的搜索任务。在这个阶段，搜索区域被有意地扩大，允许代理在搜索空间中探索任何有潜力的区域。这个初始阶段的主要目标是近似的位置：
4. 开发：为了保持局部开发和更广泛的探索之间的动态平衡，在迭代过程中移动距离是随机变化的。这种自适应策略提高了算法避免过早收敛的能力，提高了算法定位高质量解的有效性。
在某些情况下，理想的全局最优位置可能位于距离当前确定的全局最优位置很远的区域， 因此，仅仅依靠第一种开发策略可能会导致人口继续集中在周围，限制了算法逃避局部最优的能力。换句话说，这个策略本身可能不足以引导搜索到实际的全局最优，增加了过早收敛的风险。为了解决这一限制，引入了第二种开发策略
5. 反向学习策略：尽管前面提到的两种策略有效地促进了DBA框架内的探索和利用，但仍然存在需要进一步增强的情况。在全局最优位于与候选解当前位置相反的区域的特殊情况下。如果最优解相对于候选对象的当前位置位于搜索空间的远端，则算法可能需要大量迭代才能遍历这段距离。在这样的约束下，有限的迭代预算可能会阻碍算法的发展
算法伪代码：
对八种最先进的优化算法进行了比较分析，包括最近开发的狩猎启发方法，如海象优化器和海马优化器。结果一致表明，DBA在收敛速度、解决方案准确性和健壮性方面优于这些方法，特别是在复杂的优化场景中。此外，将DBA应用于电弧增材制造零件表面波纹度的预测和优化。建立了两种预测模型：一种采用DBA优化的人工神经网络（ANN），另一种采用粒子群优化（PSO）。与标准人工神经网络和pso优化人工神经网络模型相比，dba优化的人工神经网络模型具有更高的预测精度和可靠性。利用这种增强的预测能力，DBA进一步用于最小化表面波动，始终优于竞争算法。这些发现强调了DBA在理论和实践上下文中的健壮性、适应性和实际应用。
参考文献
Cheng, Jun, and Wim De Waele. “Detective Behavior Algorithm (DBA): A New Metaheuristic for Design and Engineering Optimization.” Knowledge-Based Systems, Jan. 2026, p. 115434, https://doi.org/10.1016/j.knosys.2026.115434.
Matlab代码下载
微信搜索并关注-优化算法侠（英文名：Swarm-Opti），或扫描下方二维码关注，以算法名字搜索历史文章即可下载。
完整代码
Detective Behavior Algorithm.zip
链接：https://pan.quark.cn/s/29556d4fcd1c
点击链接跳转：
400多种优化算法免费下载-matlab
求解cec测试函数-matlab
cec2022测试函使用教程及matlab代码免费下载
绘制cec2017/018/2019/2020/2021/2022函数的三维图像教程，SO EASY！
