尊重他人劳动成果,请勿转载!
有问题可留言或私信,看到了都会回复解答!
其他算法请参考:
1、粒子群(PSO)优化算法(附完整Matlab代码,可直接复制)https://blog.csdn.net/xinzhi1992/article/details/125730562?spm=1001.2014.3001.5502
2、灰狼(GWO)优化算法(附完整Matlab代码,可直接复制)https://blog.csdn.net/xinzhi1992/article/details/125826933?spm=1001.2014.3001.5502
3、正余弦(SCA)优化算法(附完整Matlab代码,可直接复制)https://blog.csdn.net/xinzhi1992/article/details/115359297?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22115359297%22%2C%22source%22%3A%22xinzhi1992%22%7D
4、萤火虫(FA)优化算法(附完整Matlab代码,可直接复制)https://blog.csdn.net/xinzhi1992/article/details/126761617?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126761617%22%2C%22source%22%3A%22xinzhi1992%22%7D5、果蝇(FOA)优化算法(附完整Matlab代码,可直接复制)https://blog.csdn.net/xinzhi1992/article/details/127649424
灰狼算法模拟了自然界灰狼的领导层级和狩猎制度:其具有金字塔般的等级制度。
第一层:层狼群。负责带领整个狼群狩猎猎物,即优化算法中的最优解。
第二层:层狼群。负责协助狼群,即优化算法中的次优解。
第三层:层狼群。听从和的命令和决策,负责侦查、放哨等。适应度差的 和会降为。
第四层:层狼群。追随上面三层狼群行动。
灰狼的狩猎过程包含如下:①跟踪、接近猎物②包围、追捕猎物③攻击猎物
一、包围猎物
在狩猎过程中,灰狼围捕猎物的行为为:
(1)式为灰狼和猎物之间的距离,和分别是猎物的位置和灰狼的位置,t为迭代次数。和为确定的系数,其计算公式分别为:
a是收敛因子,随着迭代次数,从2线性减小到0,r1和r2为随机数。
二、狩猎
灰狼个体跟踪层狼群、 层狼群、层狼群的数学模型描述如下:
分别表示灰狼个体距离 层狼群、 层狼群、层狼群的距离。
X1、X2、X3分别表示受 层狼群、 层狼群、层狼群影响, 灰狼个体需要调整的位置。
这里取平均值,即:
GWO灰狼算法的Matlab代码如下:
%pop——种群数量%dim——问题维度%ub——变量上界,[1,dim]矩阵%lb——变量下界,[1,dim]矩阵%fobj——适应度函数(指针)%MaxIter——最大迭代次数%Best_Pos——x的最佳值%Best_Score——最优适应度值clc;clear all;close all;pop=50;dim=2;ub=[10,10];lb=[-10,-10];MaxIter=100;fobj=@(x)fitness(x);%设置适应度函数[Best_Pos,Best_Score,IterCurve]=GWO(pop,dim,ub,lb,fobj,MaxIter);%…………………………………………绘图…………………………………………figure(1);plot(IterCurve,'r-','linewidth',2);grid on;title('灰狼迭代曲线');xlabel('迭代次数');ylabel('适应度值');%…………………………………… 结果显示……………………………………disp(['求解得到的x1,x2是:',num2str(Best_Pos(1)),' ',num2str(Best_Pos(2))]);disp(['最优解对应的函数:',num2str(Best_Score)]);%种群初始化函数function x=initialization(pop,ub,lb,dim)for i=1:pop for j=1:dim x(i,j)=(ub(j)-lb(j))*rand()+lb(j); endendend%狼群越界调整函数function x=BoundrayCheck(x,ub,lb,dim)for i=1:size(x,1) for j=1:dim if x(i,j)>ub(j) x(i,j)=ub(j); end if x(i,j)Alpha_Score&&Fitness(i)>Beta_Score&&Fitness(i)
相关阅读:
1、粒子群(PSO)优化算法(附完整Matlab代码,可直接复制)
2、灰狼(GWO)优化算法(附完整Matlab代码,可直接复制)
3、正余弦(SCA)优化算法(附完整Matlab代码,可直接复制)
4、萤火虫(FA)优化算法(附完整Matlab代码,可直接复制)