| 【优化求解】麻雀搜索优化算法（SSA）matlab源码 | 您所在的位置：网站首页 › 麻雀搜索算法论文 › 【优化求解】麻雀搜索优化算法（SSA）matlab源码 |
【优化求解】麻雀搜索优化算法（SSA）matlab源码
|
麻雀搜索算法的具体步骤描述以及公式介绍： 构建麻雀种群： 其中，d表示待优化问题的维数，n表示麻雀种群的数量。所有麻雀种群的适应度函数可以表示成如下形式：
其中，Fx表示适应度函数值。 麻雀算法中的麻雀具有两大类分别是发现者和加入者，发现者负责为整个种群寻找食物并为加入者提供觅食的方向，因此，发现者的觅食搜索范围要比加入者的觅食搜索范围大。在每次迭代过程中，发现者按照公式（3）进行迭代。
其中，t表示当前迭代次数，Xij表示第i个麻雀种群在第j维中的位置信息,阿尔法表示的0到1的随机数，itermax表示最大迭代次数，Q表示一个服从正态分布的随机数，L是一个1*d并且元素全为1的矩阵，R2属于0-1表示麻雀种群位置的预警值，ST属于0.5-1表示麻雀种群位置的安全值。 当R2ST时意味着种群中有部分麻雀已经发现捕食者，并向种群中的其他麻雀发出预警，所有麻雀都需要飞往安全区域进行觅食。 在觅食过程中，部分加入者会时刻监视发现者，当发现者发现更好的食物，加入者会与其进行争夺，若成功，会立即获得该发现者的食物，否则加入者按照公式（4）进行位置更新。
其中，XP表示目前发现者所发现的最优位置，Xworst表示当前全局最差的位置，A表示其元素随机赋值为1或-1的1*d的矩阵并且满足一下关系： L仍然是一个1*d并且元素全为1的矩阵。当i>n/2时这表明第i个加入者没有获得食物，处于饥饿状态，此时需要飞往其他地方进行觅食，以获得更多的能量。 在麻雀种群中，意识到危险的麻雀数量占总数的10%到20%，这些麻雀的位置是随机产生的，按照公式（5）对意识到危险的麻雀的位置进行不断更新。
其中，Xbest表示当前全局最优位置，是服从标准正态分布的随机数用来作为步长控制参数，贝塔是一个属于-1到1的随机数，fi表示当前麻雀个体的适应度值，fg表示全局最佳适应度值，fw表示全局最差适应度值，像左耳朵一样的这个是读"一不洗诺"吗？"一不洗诺"表示一个避免分母为0的常数。当fi>fg时表示此时麻雀处于种群边缘，极易受到捕食者的***，当fi=fg时表示处于种群中间的麻雀也受到了危险，此时需要靠近其他麻雀以减少被捕食的风险。 %____________________________________________________________________________________ % You can simply define your cost in a seperate file and load its handle to fobj % The initial parameters that you need are: %__________________________________________ % fobj = @YourCostFunction % dim = number of your variables % Max_iteration = maximum number of generations % SearchAgents_no = number of search agents % lb=[lb1,lb2,...,lbn] where lbn is the lower bound of variable n % ub=[ub1,ub2,...,ubn] where ubn is the upper bound of variable n % If all the variables have equal lower bound you can just % define lb and ub as two single number numbers % To run SSA: [Best_score,Best_pos,SSA_cg_curve]=SSA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj) %__________________________________________ clear all clc SearchAgents_no=30; % Number of search agents Function_name=‘F1‘; % Name of the test function that can be from F1 to F23 ( Max_iteration=1000; % Maximum numbef of iterations % Load details of the selected benchmark function [lb,ub,dim,fobj]=Get_Functions_details(Function_name); [Best_score,Best_pos,SSA_cg_curve]=SSA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj); figure(‘Position‘,[500 500 660 290]) %Draw search space subplot(1,2,1); func_plot(Function_name); title(‘Parameter space‘) xlabel(‘x_1‘); ylabel(‘x_2‘); zlabel([Function_name,‘( x_1 , x_2 )‘]) %Draw objective space subplot(1,2,2); semilogy(SSA_cg_curve,‘Color‘,‘r‘) title(‘Objective space‘) xlabel(‘Iteration‘); ylabel(‘Best score obtained so far‘); axis tight grid on box on legend(‘SSA‘) display([‘The best solution obtained by SSA is \m ‘, num2str(Best_pos)]); display([‘The best optimal value of the objective funciton found by SSA is \n ‘, num2str(Best_score)]);
完整代码或仿真咨询QQ1575304183 标签：shangdixinxi 上地信息 |
【本文地址】