【优化求解-单目标求解】基于蜉蝣算法求解单目标问题matlab源码

一、蜉蝣算法

     蜉蝣是属于蜉蝣目的昆虫，是古翅目昆虫的一部分。据估计，全世界有超过3000种蜉蝣。它们的名字来源于它们主要出现在英国的五月。从卵中孵化出来后，肉眼可以看到未成熟的蜉蝣，它们花了几年时间成长为水生若虫，直到它们准备好成年后上升到水面。一只成年蜉蝣只存活几天，直到它完成繁殖的最终目标。为了吸引雌性，大多数雄性成虫成群结队地聚集在水面上几米的地方，通过特有的上下运动模式，表演一场婚礼舞蹈。雌鸟飞入这些蜂群，为了与空中的雄性交配。交配可能只持续几秒钟，当交配完成后，雌鸟将卵落在水面上，它们的生命周期就结束了。

 1.1 雄性蜉蝣的运动

 1.2 雌性蜉蝣的运动

1.3 蜉蝣交配

二、部分代码

%%
clc; clear; close all;
%% Problem Definition
% Objective Function
ANSWER=listdlg('PromptString','Choose Objective Function','SelectionMode','single', 'ListString', {'1. Sphere', '2. Rastrigin'});
if eq(ANSWER,1); ObjectiveFunction=@(x) Sphere(x); funcname='Sphere';
elseif eq(ANSWER,2); ObjectiveFunction=@(x) Rastrigin(x); funcname='Rastrigin';
else; disp('Terminated'); return
end
ProblemSize=[1 50];         % Decision Variables Size
LowerBound=-10;             % Decision Variables Lower Bound
UpperBound= 10;             % Decision Variables Upper Bound
%% Mayfly Parameters
methname='Mayfly Algorithm';
MaxIt=2000;                 % Maximum Number of Iterations
nPop=20; nPopf=20;          % Population Size (males and females)
g=0.8;                      % Inertia Weight
gdamp=1;                    % Inertia Weight Damping Ratio
a1=1.0;                     % Personal Learning Coefficient
a2=1.5; a3=1.5;             % Global Learning Coefficient
beta=2;                     % Distance sight Coefficient
dance=5;                    % Nuptial Dance
fl=1;                       % Random flight
dance_damp=0.8;             % Damping Ratio
fl_damp=0.99;
% Mating Parameters
nc=20;                      % Number of Offsprings (also Parnets)
nm=round(0.05*nPop);        % Number of Mutants
mu=0.01;                    % Mutation Rate
% Velocity Limits
VelMax=0.1*(UpperBound-LowerBound); VelMin=-VelMax;
%% Initialization
empty_mayfly.Position=[];
empty_mayfly.Cost=[];
empty_mayfly.Velocity=[];
empty_mayfly.Best.Position=[];
empty_mayfly.Best.Cost=[];
Mayfly=repmat(empty_mayfly,nPop,1);   % Males
Mayflyf=repmat(empty_mayfly,nPopf,1); % Females
GlobalBest.Cost=inf;
funccount=0;
for i=1:nPop% Initialize Position of MalesMayfly(i).Position=unifrnd(LowerBound,UpperBound,ProblemSize);% Initialize VelocityMayfly(i).Velocity=zeros(ProblemSize);% EvaluationMayfly(i).Cost=ObjectiveFunction(Mayfly(i).Position);% Update Personal BestMayfly(i).Best.Position=Mayfly(i).Position;Mayfly(i).Best.Cost=Mayfly(i).Cost;funccount=funccount+1;% Update Global Bestif Mayfly(i).Best.CostMayfly(i).CostMayflyf(i).Velocity = g*Mayflyf(i).Velocity ...+a3*exp(-beta.*rmf.^2).*(Mayfly(i).Position-Mayflyf(i).Position);elseMayflyf(i).Velocity = g*Mayflyf(i).Velocity+fl*(e);end% Apply Velocity LimitsMayflyf(i).Velocity = max(Mayflyf(i).Velocity,VelMin);Mayflyf(i).Velocity = min(Mayflyf(i).Velocity,VelMax);% Update Positionc/2,2);for k=1:nc/2% Select Parentsi1=k;i2=k;p1=Mayfly(i1);p2=Mayflyf(i2);% Apply Crossover[MayflyOffspring(k,1).Position, MayflyOffspring(k,2).Position]=Crossover(p1.Position,p2.Position,LowerBound,UpperBound);% Evaluate OffspringsMayflyOffspring(k,1).Cost=ObjectiveFunction(MayflyOffspring(k,1).Position);if MayflyOffspring(k,1).Cost

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！