7-BFO细菌觅食算法的障碍路径寻优Path Planning-三角形障碍

Halcom

7-BFO细菌觅食算法的障碍路径寻优Path Planning-三角形障碍
链接：https://pan.baidu.com/s/1JlaGt5Ovh_m3FNoVsbOJCg 提取码：ybe9

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，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

主程序如下：

1. clc,clear,close all
   
2. warning off
   
3. format longG
   
4. model = CreateModel();
   
5. % BFO优化算法 参数
   
6. sizepop = 50;              % 种群数量
   
7. Nc = 20;                   % 趋化次数
   
8. Ns = 4;                    % 游动次数
   
9. Nre = 4;                   % 复制次数
   
10. Ned = 2;                   % 驱散(迁移)次数
    
11. Sr = ceil( sizepop/2 );    % 复制（分裂）次数
    
12. Ped = 0.25;                             % 细菌驱散(迁移)概率
    
13. 
    
14. nvar = model.n;   % n个未知量
    
15. popmin_x = model.xmin; % x
    
16. popmax_x = model.xmax; % x
    
17. popmin_y = model.ymin; % y
    
18. popmax_y = model.ymax; % y
    
19. 
    
20. %% 初始化种群
    
21. fitnesszbest = inf;
    
22. for i=1:sizepop
    
23.     pop(i).position = CreateRandomSolution(model); % 初始化个体
    
24.     [pop(i).fitness , pop(i).sol]= fun( pop(i).position, model );         % 适应度值
    
25.     % 更新个体最优
    
26.     pop(i).Best.position = pop(i).position;
    
27.     pop(i).Best.fitness = pop(i).fitness;
    
28.     pop(i).Best.sol = pop(i).sol;
    
29.     if(pop(i).Best.fitness<fitnesszbest)
    
30.         fitnesszbest = pop(i).Best.fitness;
    
31.         zbest = pop(i).Best;
    
32.     end
    
33. end
    
34. %% 记录一组最优值
    
35. NcSizepop = 0;            % 记录最优适应度值（函数值）
    
36. %% 迭代寻优
    
37. for i = 1:Ned                   % 驱散(迁移)次数
    
38.     for k = 1:Nre               % 复制次数
    
39.         
    
40.         for m = 1:Nc            % 趋化次数
    
41.             for j=1:sizepop     % 种群
    
42.                
    
43.                 % 翻转x
    
44.                 delta = 2*rand(nvar, 1)-0.5;
    
45.                 PHI = delta./(sqrt( delta'*delta ));
    
46.                 C = 0.5*rand(nvar, 1);
    
47.                 popnew.position.x = pop(j).position.x + C'.*PHI';
    
48.                 % 取值范围约束
    
49.                 popnew.position.x = max( popnew.position.x, popmin_x );
    
50.                 popnew.position.x = min( popnew.position.x, popmax_x );
    
51.                
    
52.                 % 翻转y
    
53.                 delta = 2*rand(nvar, 1)-0.5;
    
54.                 PHI = delta./(sqrt( delta'*delta ));
    
55.                 C = 0.5*rand(nvar, 1);
    
56.                 popnew.position.y = pop(j).position.y + C'.*PHI';
    
57.                 % 取值范围约束
    
58.                 popnew.position.y = max( popnew.position.y, popmin_y );
    
59.                 popnew.position.y = min( popnew.position.y, popmax_y );
    
60.                
    
61.                 % 更新当前适应度值？
    
62.                 [popnew.fitness , popnew.sol]= fun( popnew.position, model );         % 适应度值
    
63.    
    
64.                 if popnew.fitness<pop(j).fitness
    
65.                     pop(j).fitness = popnew.fitness;
    
66.                     pop(j).position = popnew.position;
    
67.                     pop(j).sol = popnew.sol;
    
68.                 end
    
69.                 if pop(j).fitness<pop(j).Best.fitness
    
70.                     pop(j).Best.fitness = pop(j).fitness;
    
71.                     pop(j).Best.position = pop(j).position;
    
72.                     pop(j).Best.sol = pop(j).sol;
    
73.                 end
    
74.                 if(pop(j).Best.fitness<fitnesszbest)
    
75.                     fitnesszbest = pop(j).Best.fitness;
    
76.                     zbest = pop(j).Best;
    
77.                 end
    
78.                
    
79.             end   % sizepop  种群数量
    
80.             
    
81.             % 记录最优适应度值
    
82.             NcSizepop = NcSizepop+1;
    
83.             fitness_iter(NcSizepop) = fitnesszbest;
    
84.             
    
85.             figure(1)
    
86.             PlotSolution(zbest.sol, model)
    
87.             pause(0.1)
    
88.         end       % Nc       趋化次数
    
89.         
    
90.         % 复制操作
    
91.         [maxF,index] = sort([pop.fitness],'descend');  % 降序排列
    
92.         for Nre2 = 1:Sr   % 将最大适应度值的Sr个种群，进行更新
    
93.             pop(index(Nre2)).position = CreateRandomSolution(model); % 初始化个体
    
94.             [pop(index(Nre2)).fitness , pop(index(Nre2)).sol]= fun( pop(index(Nre2)).position, model );         % 适应度值
    
95.             % 比较 个体间比较
    
96.             if pop(index(Nre2)).fitness<fitnesszbest
    
97.                 fitnesszbest = pop(index(Nre2)).fitness;
    
98.                 zbest =  pop(index(Nre2)).Best;
    
99.             end
    
100.         end
     
101.     end   % Nre  复制操作
     
102.    
     
103.     for j=1:sizepop     % 种群
     
104.         if Ped>rand
     
105.             pop(j).position = CreateRandomSolution(model); % 初始化个体
     
106.             [pop(j).fitness , pop(j).sol]= fun( pop(j).position, model );         % 适应度值
     
107.             % 比较 个体间比较
     
108.             if pop(j).fitness<fitnesszbest
     
109.                 fitnesszbest = pop(j).fitness;
     
110.                 zbest =  pop(j).Best;
     
111.             end
     
112.         end
     
113.     end
     
114.    
     
115. end       % Ned   驱散(迁移)次数
     
116. 
     
117. disp('最优解')
     
118. disp(zbest)
     
119. fprintf('\n')
     
120. 
     
121. figure('color',[1,1,1])
     
122. plot(fitness_iter,'ro-','linewidth',2)
     
123. xlabel('迭代次数'); ylabel('适应度曲线');
     
124. axis tight
     
125. grid on
     
126. 
     
127. 
     
128. figure(1)
     
129. PlotSolution(zbest.sol, model)
     
130. pause(0.1)

复制代码

参考：
【1】结果动态图
【2】子函数参考链接
【3】细菌觅食算法BFO函数优化

wasd789

大神，请问如果把种群之间的影响值加上改怎么编写。我现在在学BFO算法的路径规划。

wasd789

请问大神如果加上细菌之间的影响以后该怎么编写。我现在也在学习细菌觅食算法的路径规划问题。

wasd789

大神请问加上细菌之间的影响以后该怎么编写。

wasd789

大神请问加上细菌之间的影响该怎么编写。