资源描述:
《无约束连续函数优化的人工鱼群算法通用MATLAB源码.doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、无约束连续函数优化的人工鱼群算法通用MATLAB源码此源码是对人工鱼群算法的一种实现,用于无约束连续函数的优化求解,对于含有约束的情况,可以先使用罚函数等方法,把问题处理成无约束的模型,再使用本源码进行求解。function[BESTX,BESTY,ALLX,ALLY]=FSOUCP(K,N,V,Delta,L,LB,UB)%%FishSwarmOptimizationforUnconstrainedContinuousProblem%%FSOUCP.m%%无约束连续函数的人工鱼群优化算法%%此函数实现人
2、工鱼群算法,用于求解无约束连续函数最小化问题%%对于最大化问题,请先将其加负号转化为最小化问题%%输入参数列表%K 迭代次数%N 鱼群规模%V 人工鱼的感知范围%Delta 拥挤程度的判决门限,取值0~1之间%L 觅食行为的试探次数%LB 决策变量的下界,M×1的向量%UB 决策变量的上界,M×1的向量%%输出参数列表%BESTX K×1细胞结构,每一个元素是M×1向量,记录每一代的最优人工鱼的状态%BESTY K×1矩阵,记
3、录每一代的最优人工鱼的评价函数值%ALLX K×1细胞结构,每一个元素是M×N矩阵,记录每一代人工鱼的位置%ALLY K×N矩阵,记录每一代人工鱼的评价函数值%%测试函数设置%测试函数用单独的子函数编写好,在子函数FIT.m中修改要调用的测试函数名即可%注意:决策变量的下界LB和上界UB,要与测试函数保持一致%%参考设置%[BESTX,BESTY,ALLX,ALLY]=FSOUCP(50,30,0.5,0.3,20,LB,UB)%%第一步:M=length(LB);%决策变量的个数%蚁群位置初
4、始化X=zeros(M,N);fori=1:M x=unifrnd(LB(i),UB(i),1,N); X(i,:)=x;end%输出变量初始化ALLX=cell(K,1);%细胞结构,每一个元素是M×N矩阵,记录每一代的个体ALLY=zeros(K,N);%K×N矩阵,记录每一代评价函数值BESTX=cell(K,1);%细胞结构,每一个元素是M×1向量,记录每一代的最优个体BESTY=zeros(K,1);%K×1矩阵,记录每一代的最优个体的评价函数值k=1;%迭代计数器初始化%%第二步:迭代
5、过程whilek<=K NewX=zeros(M,N); NewY=zeros(1,N); forn=1:N x=X(:,n); Xnb=AFneighbour(n,X,V); NN=size(Xnb,2); ifNN==0 xx=AFprey(x,V,L,LB,UB); elseifNN>=3 xx=AFswarm(x,Xnb,N,Delta,V,L,LB,UB); else
6、 xx=AFprey(x,V,L,LB,UB); end NewX(:,n)=xx; end forn=1:N NewY(n)=FIT(NewX(:,n)); end X=NewX; Y=NewY; ALLX{k}=X; ALLY(k,:)=Y; minY=min(Y); pos=find(Y==minY); BESTX{k}=X(:,pos(1)); BESTY(k)=minY; disp(k); k=
7、k+1;end%%绘图BESTY2=BESTY;BESTX2=BESTX;fork=1:K TempY=BESTY(1:k); minTempY=min(TempY); posY=find(TempY==minTempY); BESTY2(k)=minTempY; BESTX2{k}=BESTX{posY(1)};endBESTY=BESTY2;BESTX=BESTX2;plot(BESTY,'-ko','MarkerEdgeColor','k','MarkerFaceColor','
8、k','MarkerSize',2)ylabel('函数值')xlabel('迭代次数')gridonfunctionXnb=AFneighbour(s,X,V)%%找出人工鱼感知范围内的邻居%%输入参数列表%s 当前人工鱼的编号%X M×N矩阵,人工鱼群%V 人工鱼的感知范围%%输出参数列表%Xnb 第s个人工鱼的邻居%%[M,N]=size(X);xs=X(:,s);Xnb=ze