本研究採用了新的功能強大的演算法為生物共生演算法（SOS），
SOS 為鄭明淵學者和 Doddy Prayogo 學者所發展的一種新的最佳化演 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，
用以模擬數值優化及解決工程上設計的問題。
工程設計最佳化是個極具挑戰的研究領域，近年來吸引越來越多 學者投入這項領域研究，開發了許多最佳化程式試著優化工程上設計 的問題， SOS 演算法模擬生物體在自然界中出現的互動行為。這是兩 生物體之間生活在一起的交互作用，甚至包含不相似的生物體之間的 吞噬行為。基於這種依賴關係被稱為共生。以下小節將解釋共生的意 義，舉例共生關係原型的例子，並描述共生生態系統中的作用。
2.8.1 共生的基本概念
共生來自希臘字為“生活在一起”。De Bary 第一次用來形容兩個同 居的不同生物體在1878 年。然而現今，共生是用來描述兩個不同的物 種的生物體之間的關係。共生關係，可能是兩種生物互相依賴於對方 的生存，或兩種生物選擇同居在一個互惠互利的，但彼此之間不互相 依賴對方關係。
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。片利功
生是兩個不同的物種，其中一方好處，另一方是未受影響或無害的共 生關係。寄生是指兩個不同的物種，其中一方好處，另一方是受到損 害或影響的共生關係。
圖2.10 說明一組共生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代化的生態系統。
圖 2.10 生態系統中的共生生物示意圖
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 (Harmony search)是一種元啟發式演算法，和諧搜索演算法模仿音樂家 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)。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(Symbiotic Organism Search，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
互惠階段
棲階段
寄生階段
直到（滿足終止條件）
本研究發表一種新式演算法稱為共生生物搜尋（SOS），其靈感來 自生然生態系統中生物之間的互動模式，SOS 使用三種策略:互利共生、
片利共生和寄生模擬這種自然的模式。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。