生物共生演算法（Symbiotic Organism Search，SOS）

本計畫應用功能創新的演算法稱為生物共生演算法SOS[33]，SOS 為鄭明淵學者和Doddy Prayogo 學者(2014)所發展的一種新式最佳化演 算法；SOS 通過模擬生物生存在生態系統中與其他生物共生的策略，

兩個不同的物種的生物體之間的關係。共生關係，可能是兩種生物體 互相依賴於對方的生存，或兩種生物體選擇同居在一個的環境，但彼 此之間不發生互相互惠的依賴關係。

在自然界中最易見的共生關係是互利共生，其他為片利共生和寄 生。互利共生是指兩個不同的物種之間互惠互利的共生關係。而片利 共生是兩個不同的物種，對其中一方有好處，另一方卻是未受影響或 無害的共生關係。最後，寄生是指兩個不同的物種，寄生對其中一方 有好處，另一方是受到損害或影響的共生關係。

在圖2.5 中，為一群生物共同生活在一個生態系統中。一般來說，

生物體為了發展一種適應環境變化的策略稱為共生關係。共生關係也 可能有助於生物增加體能和長期生存優勢。因此，合理來說共生關係 已建成並繼續塑造和維持所有現今的生態系統。

圖 2.5 生態系統中的生物共生關係示意圖

共生生物演算法是以其他演算法為研究基礎所發展出的演算法，

SOS 會在可搜尋空間中，不斷地迭代候選解，進而求得全域最佳解。

幾乎所有的啟發式演算法都是使用連續迭代的方案，在每次迭代中，

以生成優於原解決方案之方案作為下一次迭代的候選解。在一個標準 的遺傳算法(GA)有兩個運算值，即交叉和變異。和諧搜索演算法

即興創作的過程，起初先建立並隨機初始化大小為 HMS 的 Harmony Memory (HM)為了找到更好的和弦，每個音樂家彈奏個音符創作得到 一 和 弦 ， 新 的 和 弦 創 作 過 程 由 三 個 部 分 組 成: 隨 機 選 取 (memory consideration) 、 記 憶 體 考 量 (random selection) 、 高 音 調 整 (pitch adjustmwnt)。而蜂群演算法(Artificial Bee Colony)中使用了三個階段來 找到最好的食物來源，工作蜜蜂，隨機蜜蜂和偵察蜜蜂階段。共生生 物搜尋演算法(SOS)是模仿生物在生態系統中的兩種生物之間的相互 作用，類似於真實世界的生物相互作用模型的三種共生模式：互利共 生，片利共生，和寄生。

這些共生模式的名稱，大概擬定了該共生模式的主要原則，的相 互作用的字符定義了每個階段的主要原則。互利共生在共生模式中，

對雙方都有好處；片利共生在共生模式中僅對一方有利，但並不影響 其他共生的生物；寄生在共生模式中，常常是一方侵略另一方，造成 一方有利，另一方受損。每個生物都必須與其他生物會反覆的進行共 生的三個階段，直到滿足終止條件為止。下面的算法大綱反映了上述 的解釋：

 初始化

 重複

 互利共生階段

 片利共生階段

 寄生階段

 直到（滿足終止條件）

SOS 演算法的三個階段在操作上是容易的，只需要用簡單的數學 運算法則。此外比較於同類演算法，SOS 不使用微調的參數，提高了 性能的穩定性。儘管比同類算法使用較少的控制參數，還能夠解決各 種數值最佳化問題。