1 簡介

緞藍園丁鳥優(yōu)化算法是一種新型的元啟發(fā)式優(yōu)化算法,針對其收斂速度慢,尋優(yōu)精度低的不足,提出了一種基于自適應(yīng)t分布變異的緞藍園丁鳥優(yōu)化(tSBO)算法.在tSBO算法中引入了自適應(yīng)t分布變異算子,使用算法的迭代次數(shù)作為t分布的自由度參數(shù)來增強種群的多樣性,避免算法陷入局部最優(yōu).通過6個標準測試函數(shù)對改進算法與FPA,BA和基本SBO算法進行測試比較,仿真結(jié)果表明,改進算法是可行有效的,相比于基本SBO算法,其收斂精度和魯棒性有了很大程度的提高.

2 部分代碼

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% ? Satin Bowerbird Optimizer(SBO)%%clc;clear;close all;tic%% Problem DefinitionFunction_name='F1';[lowerbound,upperbound,numbervar,costfcn]=cost_functions(Function_name);% VarSize=[1 numbervar]; ?%% SBO Parameters[MaxIt,nPop,alpha,pMutation,sigma]=SBO_parameters(lowerbound,upperbound);%% Initialization[pop,elite,BestCost]=Initialization(nPop,lowerbound,upperbound,numbervar,MaxIt,costfcn);%% SBO Main Loopfor it=1:MaxIt ? ?newpop=pop; ? ?%Calculating the Fitness of each bower ? ?F=zeros(nPop,1); ? ?for i=1:nPop ? ? ? ?if pop(i).Cost>=0 ? ? ? ? ? ?F(i)=1/(1+pop(i).Cost); ? ? ? ?else ? ? ? ? ? ?F(i)=1+abs(pop(i).Cost); ? ? ? ?end ? ?end ? ?%Calculating the probability of each bower ? ?P=F/sum(F); ? ?%changes at any bower ? ?for i=1:nPop ? ? ? ?for k=1:numbervar ? ? ? ? ? ? ? ?% Select target bower ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?j=RouletteWheelSelection(P); ? ? ? ? ? ? ? ?% Calculating Step Size ? ? ? ? ? ? ? ?lambda=alpha/(1+P(j)); ? ? ? ? ? ? ? ?newpop(i).Position(k)=pop(i).Position(k) ... ? ? ? ? ? ? ? ? ? ?+lambda*(((pop(j).Position(k)+elite(k))/2)-pop(i).Position(k)); ? ? ? ? ? ? ? ?% Mutation ? ? ? ? ? ?if rand<=pMutation ? ? ? ? ? ? ? ?newpop(i).Position(k)=newpop(i).Position(k)+(sigma*randn); ? ? ? ? ? ?end ? ? ? ?end ? ? ? ? ?% Evaluation ? ? ? ?newpop(i).Cost=costfcn(newpop(i).Position); ? ?end ? ? pop=[pop ? ? ? ? newpop ? ? ? ? ]; %#ok ? ?% Sort Population ? ?[~, SortOrder]=sort([pop.Cost]); ? ?pop=pop(SortOrder); ? ?pop=pop(1:nPop); ? ?% Update Best Solution Ever Found ? ?BestSol=pop(1); ? ?elite=BestSol.Position; ? ?% Store Best Cost Ever Found ? ?BestCost(it)=BestSol.Cost; ? ?% Show Iteration Information ? ?disp(['SBO:: Iteration-> ' num2str(it) '<----->Best Cost = ' num2str(BestCost(it))]); endtoc%% Resultsdisp(['BestSol=' num2str(elite)]);disp(['BestCost=' num2str(BestSol.Cost)]);figure;semilogy(BestCost,'LineWidth',2);xlabel('Iteration');ylabel('Best Cost');img =gcf; ?%獲取當前畫圖的句柄print(img, '-dpng', '-r600', './img.png') ? ? ? ? %即可得到對應(yīng)格式和期望dpi的圖像

3 仿真結(jié)果

4 參考文獻

[1]韓斐斐, 劉升. 基于自適應(yīng)t分布變異的緞藍園丁鳥優(yōu)化算法[J]. 微電子學(xué)與計算機, 2018, 35(8):5.

博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測、信號處理、元胞自動機、圖像處理、路徑規(guī)劃、無人機等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻，若有侵權(quán)聯(lián)系博主刪除。