关键词:人工鱼群算法;群体智能;优化
clcclear all
close all
tic
figure(1)hold on
ezplot('x*sin(10*pi*x)+2',[-1,2])
%% 参数设置
fishnum=50%生成50只人工鱼
MAXGEN=50%最多迭代次数
try_number=100%最多试探次数
visual=1%感知距哗首离
delta=0.618%拥挤度因子
step=0.1%步长
%% 初始化鱼群
lb_ub=[-1,2,1]
X=AF_init(fishnum,lb_ub)
LBUB=[]
for i=1:size(lb_ub,1)
LBUB=[LBUBrepmat(lb_ub(i,1:2),lb_ub(i,3),1)]
end
gen=1
BestY=-1*ones(1,MAXGEN)%每步中最优的函数值
BestX=-1*ones(1,MAXGEN)%每步中最优的自变量
besty=-100%最亩芦正优函数值
Y=AF_foodconsistence(X)
while gen<=MAXGEN
fprintf(1,'%d\n',gen)
for i=1:fishnum
%% 聚群行为
[Xi1,Yi1]=AF_swarm(X,i,visual,step,delta,try_number,LBUB,Y)
%% 追尾行为
[Xi2,Yi2]=AF_follow(X,i,visual,step,delta,try_number,LBUB,Y)
if Yi1>Yi2
X(:,i)=Xi1
Y(1,i)=Yi1
else
X(:,i)=Xi2
Y(1,i)=Yi2
end
end
[Ymax,index]=max(Y)
figure(1)
plot(X(1,index),Ymax,'.','color',[gen/MAXGEN,0,0])
if Ymax>besty
besty=Ymax
bestx=X(:,index)
BestY(gen)=Ymax
[BestX(:,gen)]=X(:,index)
else
BestY(gen)=BestY(gen-1)
[BestX(:,gen)]=BestX(:,gen-1)
end
gen=gen+1
end
plot(bestx(1),besty,'ro','MarkerSize',100)
xlabel('x')
ylabel('y')
title('鱼群算法迭代过程中最优坐标移动')
%% 优化过程图
figure
plot(1:MAXGEN,BestY)
xlabel('迭代次数')
ylabel('优化值迅悔')
title('鱼群算法迭代过程')
disp(['最优解X:',num2str(bestx,'%1.5f')])
disp(['最优解Y:',num2str(besty,'%1.5f')])
toc
人工鱼群算法:在一梁镇片水域中,鱼往往能自行或尾随其他鱼找到营养物质多的地方,因而鱼生存数目最多的地方一般就是本水域中营养物质最多的地方,人工鱼群算法就是根据这一特点,通过构造人工鱼来模仿鱼群的觅食、聚群及追尾行为,从而实现寻优,以下是鱼的几种典型行为:
(1)觅食行为:一般情况下鱼在水中随机地自由游动橡纤粗,当发现食物时,则会向食物逐渐增多的方向快速游去。
(2)聚群行为:鱼在游动过程中为了保证自身的生存和躲避危害会自然地聚集成群,鱼聚群时所遵守的规则有三条:分隔规则:尽量避免与临近伙伴过于拥挤对准规则:尽量与临近伙伴的平均方向一致内聚规则:尽量朝临近伙伴的中心移动。
(3)追尾行为:当鱼群中的一条或几条鱼发现食物时,其临近的伙伴会尾随其快速到达食物点。
(4)随机行为:单独的鱼在水中通常都是随机游动的,这是为了更大范围地寻找食物点或身边的竖春伙伴。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)