面向高维优化问题的混沌粒子群混合蝴蝶优化算法（Matlab代码实现）

 

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🌈3 Matlab代码及详细文章讲解

🎉4 参考文献

---

💥1 概述

文献来源：

摘要：为了解决蝶形优化算法（BOA）容易出现精度低、收敛慢的问题，研究的趋势是将两种或多种算法混合，以获得优化问题领域的最优解。提出了一种新的混合算法，即HPSOBOA，并介绍了三种改进基本BOA的方法。因此，引入了使用立方一维映射的BOA初始化，并执行了非线性参数控制策略。此外，将粒子群优化（PSO）算法与BOA相结合，以改进全局优化的基本BOA。进行了两个实验（包括26个众所周知的基准函数）来验证所提出算法的有效性。实验的比较结果表明，与PSO、BOA和其他已知的群优化算法相比，混合HPSOBOA在高维数值优化问题中收敛速度快，稳定性更好。 

关键词：蝶形优化算法（BOA）；粒子群优化；立方图；非线性；高维度

📚2 运行结果

 

 

部分代码：

function func_plot_con(func_name)

[lb,ub,dim,fobj] = Hight_Get_Functions_details(func_name);

switch func_name 
    case 'F1' 
        x=-100:2:100; y=x; %[-100,100]        
    case 'F2' 
        x=-10:0.2:10; y=x; %[-10,10]        
    case 'F3' 
        x=-10:0.2:10; y=x; %[-10,10]        
    case 'F4' 
        x=-10:0.5:10; y=x; %[-10,10]
    case 'F5' 
        x=-10:0.5:10; y=x; %[-10,10]
    case 'F6' 
        x=-1.28:0.05:1.28; y=x; %[-1.28,1.28]
    case 'F7' 
        x=-10:0.5:10;  y=x;  %[-10,10]
    case 'F8' 
        x=-1:0.01:1;y=x; %[-1,1]
    case 'F9' 
        x=-10:0.1:10;   y=x; %[-10,10]    
    case 'F10' 
        x=-10:0.1:10;   y=x; %[-10,10]
    case 'F11' 
        x=-5.12:0.1:5.12;   y=x;  %[-5,10]
    case 'F12' 
        x=-5:0.05:5; y=x;  %[-5,5]
    case 'F13' 
        x=-100:2:100; y=x;  %[-100,100]
    case 'F14' 
        x=-100:2:100; y=x;  %[-100,100]
    case 'F15' 
        x=-10:0.1:10; y=x; %[-10,10]
    case 'F16' 
        x=-5.12:0.1:5.12; y=x; %[-50,50]
    case 'F17' 
        x=-5.12:0.1:5.12; y=x; %[-50,50]
    case 'F18' 
        x=-20:0.05:20; y=x; %[-20,20]
    case 'F19' 
        x=-600:5:600; y=x; %[-600,600]
    case 'F20' 
        x=-10:0.2:10; y=x; %[-10,10]      
    case 'F21' 
        x=-10:0.1:10; y=x; %[-50,50]
    case 'F22' 
        x=-5:0.05:5; y=x; %[-50,50]
    case 'F23' 
        x=-2:0.02:2; y=x; %[-5,5]     
    case 'F24' 
        x=-1:0.01:1; y=x; %[-1,1]
    case 'F25' 
        x=-20:0.2:20; y=x; %[-100,100]
    case 'F26' 
        x=-5:0.2:5; y=x; %[-10,10]
end    

L=length(x);
f=[];

for i=1:L
    for j=1:L
            f(i,j)=fobj([x(i),y(j)]);         
    end
end

surfc(x,y,f,'LineStyle','none');
% contour(x,y,f)
% colormap winter
colormap parula
% colormap autumn
% colormap summer

end

🌈3 Matlab代码及详细文章讲解

🎉4 参考文献

部分理论来源于网络，如有侵权请联系删除。