嘉定营销型 网站制作,摄影网站设计与制作,网站怎么自动加水印,seo诊断服务智能算法 | Matlab实现改进黑猩猩优化算法SLWCHOA与多个基准函数对比与秩和检验 目录 智能算法 | Matlab实现改进黑猩猩优化算法SLWCHOA与多个基准函数对比与秩和检验预测效果基本描述程序设计参考资料 预测效果 基本描述 1.Matlab实现改进黑猩猩优化算法SLWCHOA与多个基准函数…智能算法 | Matlab实现改进黑猩猩优化算法SLWCHOA与多个基准函数对比与秩和检验 目录 智能算法 | Matlab实现改进黑猩猩优化算法SLWCHOA与多个基准函数对比与秩和检验预测效果基本描述程序设计参考资料 预测效果 基本描述 1.Matlab实现改进黑猩猩优化算法SLWCHOA与多个基准函数对比与秩和检验 完整源码 2.利用Sobol序列初始化种群增加种群的随机性和多样性,为算法全局寻优奠定基础; 3.其次引入基于凸透镜成像的反向学习策略,将其应用到当前最优个体上产生新的个体,提高算法的收敛精度和速度; 4.最后将水波动态自适应因子添加到攻击者位置更新处,增强算法跳出局部最优的能力。 提供与原始CHOA、鲸鱼算法WOA、麻雀搜索算法SSA、灰狼算法GWO等算法的对比。 5.代码特点参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 程序设计
完整程序获取方式资源出下载Matlab实现改进黑猩猩优化算法SLWCHOA与多个基准函数对比与秩和检验。
%% 清除环境变量
clear
clc
close all%% 参数设置
N 30; % 种群规模
Function_name F4; % 从F1到F23的测试函数的名称本文中的表1、2、3
Max_iteration 500; % 最大迭代次数
% 加载所选基准函数的详细信息
[lb, ub, dim, fobj] Get_Functions_details(Function_name);
% 初始化种群位置
X initialization(N, dim, ub, lb);cnt_max 5;%% 画图% 画图迭代曲线图
figure
semilogy(SLWChoA_Curve,r-,linewidth,1.5);
hold on
semilogy(SSA_Curve,b--,linewidth,1.5);
hold on
semilogy(GWO_Curve,y--,linewidth,1.5);
hold on
semilogy(PSO_Curve,b-,linewidth,1.5);
hold on
semilogy(WOA_Curve,k-,linewidth,1.5);
hold on
semilogy(CHOA_Curve,m-,linewidth,1.5);
hold on
semilogy(MPA_Curve,r-,linewidth,1.5);
hold on
title(Objective space)
xlabel(Iteration);
ylabel(Best score obtained so far);
set(gca,fontname,Times New Roman)axis tight
grid on
box on
legend(SLWChoA,SSA,GWO,PSO,WOA,CHOA,MPA)% 画出所选基准函数的三维立体图形
figure;
func_plot(Function_name);
title(Function_name)
xlabel(x_1);
ylabel(x_2);
zlabel([Function_name,( x_1 , x_2 )])
set(gca,fontname,Times New Roman)% 2、画出目标函数值变化曲线图
figure;
t 1:Max_iteration;
semilogy(t, SLWChoA_Curve, ro-,t, SSA_Curve, ko-, t, GWO_Curve, cs-, ...t, PSO_Curve, k*-, t, WOA_Curve, gh-, t, CHOA_Curve, b^-, t, MPA_Curve, r*-, ...linewidth, 1.5, MarkerSize, 8, MarkerIndices, 1:50:Max_iteration);
title(Function_name)
xlabel(迭代次数);
ylabel(适应度值);
axis fill
grid on
box on
legend(SLWChoA,SSA,GWO,PSO,WOA,CHOA,MPA);
%% 显示结果
disp([SSA得到的最佳位置为 : , num2str(SSA_Best_pos)]);
disp([SSA得到的目标函数的最佳值为 : , num2str(SSA_Best_score)]);
disp([WOA得到的最佳位置为 : , num2str(WOA_Best_pos)]);
disp([WOA得到的目标函数的最佳值为 : , num2str(WOA_Best_score)]);
disp([GWO得到的最佳位置为 : , num2str(GWO_Best_pos)]);
disp([GWO得到的目标函数的最佳值为 : , num2str(GWO_Best_score)]);
disp([PSO得到的最佳位置为 : , num2str(PSO_Best_pos)]);
disp([PSO得到的目标函数的最佳值为 : , num2str(PSO_Best_score)]);
disp([CHOA得到的最佳位置为 : , num2str(CHOA_Best_pos)]);
disp([CHOA得到的目标函数的最佳值为 : , num2str(CHOA_Best_score)]);
disp([MPA得到的最佳位置为 : , num2str(MPA_Best_pos)]);
disp([MPA得到的目标函数的最佳值为 : , num2str(MPA_Best_score)]);
disp([SLWChoA得到的最佳位置为 : , num2str(SLWChoA_Best_pos)]);
disp([SLWChoA得到的目标函数的最佳值为 : , num2str(SLWChoA_Best_score)]);参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm1001.2014.3001.5502 [2] https://blog.csdn.net/kjm13182345320/article/details/128690229
