全局数值优化算法：距离平衡随机分形搜索算法（FDB-SFS）

全局数值优化算法：距离平衡随机分形搜索算法（FDB-SFS）

距离平衡随机分形搜索算法（FDB-SFS）是一种全局数值优化算法，旨在寻找多维优化问题的最优解。该算法结合了距离平衡和随机分形搜索的思想，以提高搜索效率和全局搜索能力。本文将详细介绍FDB-SFS算法的原理，并提供相应的Matlab代码实现。

算法原理：

1. 初始化参数：定义搜索空间的维度、目标函数、最大迭代次数、种群大小、分形维度、分形扩张因子等参数。
2. 初始化种群：随机生成一组初始解作为种群，并计算每个个体的适应度值。
3. 进入主循环：
   a. 计算适应度-距离平衡值：根据种群中每个个体的适应度和距离值，计算适应度-距离平衡值，用于衡量个体的全局搜索能力。
   b. 计算分形维度：根据适应度-距离平衡值，计算每个个体的分形维度，用于指导后续的分形搜索过程。
   c. 分形搜索：对于每个个体，根据其分形维度和分形扩张因子，生成一组新解，并计算其适应度值。
   d. 更新种群：根据适应度值和距离平衡值，选择一部分优秀个体作为下一代种群，并保留最优解。
   e. 检查终止条件：如果达到最大迭代次数或满足终止条件，则退出主循环，输出最优解；否则返回步骤a。