57改进的人工蜂群算法（自适应柯西变异的人工蜂群算法）的函数优化

Halcom

改进的人工蜂群算法（自适应柯西变异的人工蜂群算法）的函数优化
百度网盘链接：
链接：https://pan.baidu.com/s/1qlatOJFlC7ddyqkVe348zg
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. % 自适应柯西分布的人工蜂群算法函数寻优
   
2. % Improved - ABC算法
   
3. clc,clear,close all
   
4. warning off
   
5. format longG
   
6. %*************** 待优化求解函数 **************
   
7. % fun=@Ackley_Fun;
   
8. fun=@Griewank_Fun;
   
9. % fun=@Rastrigin_Fun;
   
10. % fun=@Shaffer_Fun;
    
11. %*********** 函数在(0,0)处有极小值0 ***********
    
12. 
    
13. % ABC 参数初始化
    
14. maxiter = 100;  % 迭代次数
    
15. sizepop = 50;   % 种群数量
    
16. popmin1 = -1;  popmax1 = 1; % x1
    
17. popmin2 = -1;  popmax2 = 1; % x2
    
18. trail(1:sizepop,1) = 0;     % 未找到更优解的迭代次数
    
19. limit = sizepop;            % 拖尾最大次数
    
20. wmin = 0.25;
    
21. wmax = 0.75;
    
22. %% 初始化种群
    
23. for i=1:sizepop
    
24.     x1 = popmin1+(popmax1-popmin1)*rand;
    
25.     x2 = popmin2+(popmax2-popmin2)*rand;
    
26.     pop(i,:) = [x1, x2];
    
27.     fitness(i) = fun([x1,x2]);  % 适应度函数值--目标函数值--最小目标函数值
    
28. end
    
29. 
    
30. % 记录一组最优值
    
31. [bestfitness,bestindex]=min(fitness);
    
32. zbest=pop(bestindex,:);   %全局最佳
    
33. fitnesszbest=bestfitness; %全局最佳适应度值
    
34. 
    
35. %% 迭代寻优
    
36. for i=1:maxiter
    
37.    
    
38.     % 采蜜峰开始工作
    
39.     for j=1:sizepop
    
40.         
    
41.         % 自适应权重
    
42.         w = wmin+(wmax-wmin)*( fitness(j)-min(fitness) ) ./ (mean(fitness)-min(fitness)+eps);
    
43.         
    
44.         % 选择采蜜的个体
    
45.         x2y = randi(2);   % 两个未知数
    
46.         % 选择相连的种群
    
47.         neighbour = randi(sizepop);  
    
48.         % neighbour != j
    
49.         while( neighbour==j  )
    
50.             neighbour = randi(sizepop);
    
51.         end
    
52.         
    
53.         % 种群更新（解）
    
54.         tempx = pop(j,:);  % 当前的解
    
55.         tempx(x2y) = pop(j,x2y) + (pop(j,x2y)-pop(neighbour,x2y))*(rand-0.5)*w;
    
56.         
    
57.         % x1  越界限制
    
58.         if tempx(1)>popmax1
    
59.             tempx(1)=popmax1;
    
60.         end
    
61.         if tempx(1)<popmin1
    
62.             tempx(1)=popmin1;
    
63.         end
    
64.         % x2  越界限制
    
65.         if tempx(2)>popmax2
    
66.             tempx(2)=popmax2;
    
67.         end
    
68.         if tempx(2)<popmin2
    
69.             tempx(2)=popmin2;
    
70.         end
    
71.         
    
72.         % 适应度更新
    
73.         temp_fitness = fun( tempx );  % 当前的适应度函数值--目标函数值--最小目标函数值
    
74.         % 比较  个体间比较
    
75.         if temp_fitness<fitness(j)
    
76.             fitness(j) = temp_fitness;
    
77.             pop(j,:) = tempx;
    
78.         end
    
79.         if temp_fitness<bestfitness
    
80.             bestfitness = temp_fitness;
    
81.             zbest =  tempx;
    
82.         end
    
83.     end
    
84.    
    
85.     % 观察峰
    
86.     % 计算概率
    
87.     prob = 0.9*fitness./max(fitness) + 0.1;
    
88.     for j=1:sizepop
    
89.         if(rand<prob(j))
    
90.             
    
91.             % 自适应权重
    
92.             w = wmin+(wmax-wmin)*( fitness(j)-min(fitness) ) ./ (mean(fitness)-min(fitness)+eps);
    
93. 
    
94.             % 选择采蜜的个体
    
95.             x2y = randi(2);   % 两个未知数
    
96.             % 选择相连的种群
    
97.             neighbour = randi(sizepop);  
    
98.             % neighbour != j
    
99.             while( neighbour==j  )
    
100.                 neighbour = randi(sizepop);
     
101.             end
     
102. 
     
103.             % 种群更新（解）
     
104.             tempx = pop(j,:);  % 当前的解
     
105.             tempx(x2y) = pop(j,x2y) + (pop(j,x2y)-pop(neighbour,x2y))*(rand-0.5)*w;
     
106. 
     
107.             % x1  越界限制
     
108.             if tempx(1)>popmax1
     
109.                 tempx(1)=popmax1;
     
110.             end
     
111.             if tempx(1)<popmin1
     
112.                 tempx(1)=popmin1;
     
113.             end
     
114.             % x2  越界限制
     
115.             if tempx(2)>popmax2
     
116.                 tempx(2)=popmax2;
     
117.             end
     
118.             if tempx(2)<popmin2
     
119.                 tempx(2)=popmin2;
     
120.             end
     
121. 
     
122.             % 适应度更新
     
123.             temp_fitness = fun( tempx );  % 当前的适应度函数值--目标函数值--最小目标函数值
     
124.             % 比较  个体间比较
     
125.             if temp_fitness<fitness(j)
     
126.                 fitness(j) = temp_fitness;
     
127.                 pop(j,:) = tempx;
     
128.             end
     
129.             if temp_fitness<bestfitness
     
130.                 bestfitness = temp_fitness;
     
131.                 zbest =  tempx;
     
132.             else
     
133.                 trail(j) = trail(j)+1;
     
134.             end
     
135.         end
     
136.     end
     
137.    
     
138.     % 侦察峰开始工作
     
139.     [maxTrial, index] = max(trail);
     
140.     index = index(1);
     
141.     if(maxTrial(1)>limit)
     
142.         x1 = popmin1+(popmax1-popmin1)* cauchypdf( rand );
     
143.         x2 = popmin2+(popmax2-popmin2)* cauchypdf( rand );
     
144.         pop(index,:) = [x1, x2];
     
145.         fitness(index) = fun([x1,x2]);  % 适应度函数值--目标函数值--最小目标函数值
     
146.     end
     
147.    
     
148.     fitness_iter(i) = bestfitness;
     
149. end
     
150. %% 结果显示
     
151. disp('最优解')
     
152. disp(zbest)
     
153. fprintf('\n')
     
154. disp(['最优解对应的适应度值：', num2str(min(fitness_iter))])
     
155. 
     
156. figure('color',[1,1,1])
     
157. plot(fitness_iter,'ro-','linewidth',2)
     

复制代码

why2018470

楼主很优秀