前言

（ACVO）算法是一种多智能体策略，其中每个智能体都是一个人，通过观察控制协议试图保持健康并减缓 COVID-19 的传播。该算法由三个主要步骤组成：社交距离、隔离和隔离。在社交距离阶段，算法试图保持人与人之间的安全物理距离并限制密切接触。在隔离阶段，算法隔离疑似人员以防止疾病传播。应该照顾一些没有遵守健康协议并感染病毒的人，以使其完全康复。在隔离阶段，算法关心感染者恢复健康。该算法迭代地将这些算子应用于人群，以找到最适合和最健康的人。所提出的算法在标准多变量单目标优化问题上进行了评估，并与几种对应算法进行了比较。结果表明，与同类产品相比，ACVO 在大多数测试问题上的优势。

知识拓展

冠状病毒群免疫优化算法（CHIO）

2020年Mohammed Azmi Al-Betar等人提出的一种新的基于自然的优化算法——冠状病毒群体免疫优化算法(CHIO)。其灵感来源于世界传播的灾难性的新冠病毒，模仿了群体免疫策略和社会距离概念。三种类型的个体病例用于群体免疫:易感、感染和免疫。
本文研究了CHIO对其参数的敏感性。然后，CHIO使用23个著名的基准测试函数进行评估对七种最先进的方法进行了比较评价。比较分析表明，与其他成熟的方法相比，CHIO能够产生非常有竞争力的结果。
 

算法步骤

冠状病毒群免疫优化算法(CHIO)灵感来源于应对冠状病毒大流行(2019冠状病毒疾病)的群体免疫概念。传播冠状病毒的速度取决于感染者如何与其他社会成员直接接触。为了保护社会其他成员免受这种疾病的侵害，健康专家建议社会疏远。群体免疫是当大多数群体具有免疫力时，群体达到的一种状态，这种状态可以防止疾