60-免疫粒子群算法的函数寻优分析（MATLAB视频）

Halcom

免疫粒子群算法的函数寻优分析（MATLAB视频）
百度网盘链接：
链接：https://pan.baidu.com/s/125n5yEDQhulsRpj9qzfx6w
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

1. % 基于免疫粒子群算法的函数寻优
   
2. clc,clear,close all
   
3. warning off
   
4. tic  % 计时开始
   
5. %% AIA算法
   
6. nvar = 2;   % 2个未知数
   
7. % 取值范围
   
8. popmin = [-1, -1];  % Lb
   
9. popmax =[ 1, 1];    % Ub
   
10. itermax = 30; % 迭代次数
    
11. sizepop = 30; % 种群
    
12. Ak = -0.01;   % 聚合适应度常数k
    
13. lamda = 0.9;  % 相似度常数[0.9，1]
    
14. %% PSO 参数
    
15. c1 = 1.4995;  
    
16. c2 = 1.4995;
    
17. Vmin = -1;
    
18. Vmax = 1;
    
19. %% 初始化种群
    
20. for i=1:sizepop
    
21.     pop(i,:) = code(popmin,popmax);    % 实数编码
    
22.     V(i,1:nvar) = 0;
    
23.     fitness(i) = fun(pop(i,:));        % 目标函数值
    
24. end
    
25. [bestfitness,index] = min(fitness); % 极小值
    
26. zbest = pop(index,:);        % 最佳个体
    
27. fitnesszbest = bestfitness;  % 全局最优
    
28. gbest=pop;                   % 个体最佳
    
29. fitnessgbest=fitness;        % 个体最佳适应度值
    
30. %% 迭代寻优
    
31. for i=1:itermax
    
32.     % 选择算子
    
33.     pop = select_AIA(sizepop,pop,fitness,popmin,popmax);
    
34. %     % 交叉算子
    
35. %     pop = cross_AIA(sizepop,pop,popmin,popmax);
    
36. %     % 变异
    
37. %     pop = mutation_AIA(sizepop,pop,popmin,popmax);
    
38.     % 计算相似度
    
39.     for j=1:sizepop
    
40.         % AIA计算相似度
    
41.         AN = 1./( 1+norm( zbest-pop(j,:), 2 ) );
    
42.         if(AN>lamda)
    
43.             Ci = 1;
    
44.         else
    
45.             Ci = 0;
    
46.         end
    
47.         fitness(j) = fun( pop(j,:) ) .* exp( Ak*Ci );   % 计算适应度值
    
48.         
    
49.         % 速度更新
    
50.         V(j,:) = V(j,:) + c1*rand*(gbest(j,:) - pop(j,:)) + c2*rand*(zbest - pop(j,:));
    
51.         % V范围约束
    
52.         V(j,:) = lb_ub(V(j,:), Vmin, Vmax);
    
53.         % 个体更新
    
54.         newpop = pop(j,:) + 0.5 * V(j,:);
    
55.         % pop范围约束
    
56.         newpop = lb_ub(newpop, popmin, popmax);
    
57.         
    
58.         % PSO计算相似度
    
59.         AN = 1./( 1+norm( zbest-newpop, 2 ) );
    
60.         if(AN>lamda)
    
61.             Ci = 1;
    
62.         else
    
63.             Ci = 0;
    
64.         end
    
65.         newfitness = fun( newpop ) .* exp( Ak*Ci );   % 计算适应度值
    
66.         if newfitness<fitness(j)
    
67.             fitness(j) = newfitness;
    
68.             pop(j,:)=newpop;
    
69.         end
    
70.         
    
71.         % 交叉算子
    
72.         pop1 = cross_AIA2(sizepop,pop,popmin,popmax);
    
73.         % AIA计算相似度
    
74.         AN = 1./( 1+norm( zbest-pop1, 2 ) );
    
75.         if(AN>lamda)
    
76.             Ci = 1;
    
77.         else
    
78.             Ci = 0;
    
79.         end
    
80.         fitness1 = fun( pop1 ) .* exp( Ak*Ci );   % 计算适应度值
    
81.         if fitness1<fitness(j)
    
82.             fitness(j) = fitness1;
    
83.             pop(j,:)=pop1;
    
84.         end
    
85.         
    
86.         % 变异
    
87.         pop2 = mutation_AIA2(sizepop,pop,popmin,popmax);
    
88.         % AIA计算相似度
    
89.         AN = 1./( 1+norm( zbest-pop2, 2 ) );
    
90.         if(AN>lamda)
    
91.             Ci = 1;
    
92.         else
    
93.             Ci = 0;
    
94.         end
    
95.         fitness2 = fun( pop2 ) .* exp( Ak*Ci );   % 计算适应度值
    
96.         if fitness2<fitness(j)
    
97.             fitness(j) = fitness2;
    
98.             pop(j,:)=pop2;
    
99.         end
    
100.         
     
101.         % 比较  个体间比较
     
102.         if fitness(j)<fitnessgbest(j)
     
103.             fitnessgbest(j) = fitness(j);
     
104.             gbest(j,:) = pop(j,:);
     
105.         end
     
106.         if fitness(j)<bestfitness
     
107.             bestfitness = fitness(j);
     
108.             zbest =  pop(j,:);
     
109.         end
     
110.         
     
111.     end
     
112.    
     
113.     fitness_iter(i) = bestfitness;
     
114. end
     
115. toc;  % 结束开始
     
116. figure,
     
117. plot(fitness_iter,'ro-','linewidth',2)
     
118. % loglog(fitness_iter,'ro-','linewidth',2)
     
119. grid on
     
120. axis tight
     
121. disp(['最优解   ', num2str(zbest)] )

复制代码