论坛 › 启发式算法 › 59-改进的蝙蝠算法的函数寻优分析

Halcom 发表于 2018-7-26 23:09:18

59-改进的蝙蝠算法的函数寻优分析

改进的蝙蝠算法的函数寻优分析
百度网盘链接：
链接：https://pan.baidu.com/s/1O7t7kOcBTrCNmUAYgMHArQ
具体链接在halcom.cn论坛，联系人QQ：3283892722
该论坛是一个学习交流平台，我会逐一的和大家分享学习。
欢迎大家录制视频，并提交给我，我来设置视频，你可在论坛进行打赏分享。
视频专用播放器：http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1

clc,clear,close all
warning off
% BA算法参数
maxiter = 20;% 迭代次数
sizepop = 10;% 种群数量
% 频率范围
popmin1 = -1;popmax1 = 1; % x1频率
popmin2 = -1;popmax2 = 1; % x2频率
fmin = 0.1;    % 最小频率
fmax = 0.5;    % 最大频率

A = 0.1;          % 音量 (不变或者减小)
alpha = 0.98;   % 音量阻尼系数

impluse = 0.85;   % 脉冲率 (不变或增加)
gama = 1000;      % M

Vmin = -1; % 最小速度
Vmax = 1;% 最大速度
%% 初始化种群
for i=1:sizepop
    x1 = popmin1 + (popmax1-popmin1)*rand;
    x2 = popmin2 + (popmax2-popmin2)*rand;
    pop(i,1) = x1;
    pop(i,2) = x2;
    fitness(i) = fun();
    V(i,1)=0;
    V(i,2)=0;
end
% 记录一组最优值
=min(fitness);
zbest=pop(bestindex,:);   % 全局最佳
gbest=pop;                % 个体最佳
fitnessgbest=fitness;   % 个体最佳适应度值
fitnesszbest=bestfitness; % 全局最佳适应度值
%% 迭代寻优
for i=1:maxiter
    for j=1:sizepop
      f = fmin + (fmax-fmin)*rand;
      V(j,:) = V(j,:) + (pop(j,:)-zbest)*f;
      V(j,:) = lb_ub(V(j,:),Vmax,Vmin);
      
      pop(j,:) = pop(j,:) + V(j,:);
      
      % 脉冲率
      if rand>impluse
            pop(j,:) = zbest + A * randn(1,2);
      end
      
      % x1越界限制
      pop(j,1) = lb_ub(pop(j,1),popmax1,popmin1);
      % x2越界限制
      pop(j,2) = lb_ub(pop(j,2),popmax2,popmin2);
      
      % 适应度更新
      fitness(j) = fun(pop(j,:));
      
      % 比较个体间比较
      if fitness(j)<fitnessgbest(j)
            fitnessgbest(j) = fitness(j);
            gbest(j,:) = pop(j,:);
      end
      if fitness(j)<bestfitness
            bestfitness = fitness(j);
            zbest =pop(j,:);
      end
      
      % 随机的产生新的解
      newpop = pop(j,:) + (2*rand(1,2)-1)*A;
      % x1越界限制
      newpop(1) = lb_ub(newpop(1),popmax1,popmin1);
      % x2越界限制
      newpop(2) = lb_ub(newpop(2),popmax2,popmin2);
      if(rand<A && fun(newpop)<fun(zbest))
            bestfitness = fun(newpop);
            zbest = newpop;
            A = alpha*A;
            impluse = impluse*( 1-exp(-gama*i) );
            
            fitness(j) = fun(newpop);
            pop(j,:) = newpop;
      end
      
    end
    fitness_iter(i) = bestfitness;
end
%% 显示结果display results
disp('最优解')
disp(zbest)
fprintf('\n')

disp(['最优解对应的最优目标函数值（适应度值）', num2str( bestfitness )])

figure('color',)
plot(fitness_iter,'ro-','linewidth',2)
axis tight

参考：Xin-She Yang. A New Metaheuristic Bat-Inspired Algorithm

查看完整版本: 59-改进的蝙蝠算法的函数寻优分析