以下是jaya函数的代码,主函数及cec2005测试函数私聊获取
%% jaya函数
function [Best_pos,Best_score,curve] = Jaya(pop,Max_iter,lb,ub,dim,fobj)
%定义一个jaya的函数,这个函数输入五个参数,输出3个参数
%输入参数:
%pop:种群数量
%Max_iter:最大迭代次数
%lb:变量的下界,一般是个向量,表示不同变量(维度)的下界
%ub:变量的上界
%fobj:适应度函数,类似于目标函数
%输出参数:
%Best_pos:最优解
%Best_score:最优解对应的函数值
%curve:每一轮迭代的最优解的函数值
%确保上下界是向量形式,如果是标量则进行转化
if (max(size(ub))==1); %则是一个标量,需要转换成向量,方便后面确定初始化种群的值,此时每个变量的上下限是相同的
lb=lb.*ones(1,dim);
ub=ub.*ones(1,dim);
end
%定义种群中初始化变量的取值
X0=initialization(pop,dim,lb,ub);
X=X0;
fitness=zeros(1,pop); %计算每一个个体的函数值,并储存到fitness这个列向量中
for i=1:pop;
fitness(i)=fobj(X(i,:));
end
[fitness,index]=sort(fitness); %将函数值进行一个排序,从小到大,并输出原顺序的索引
GBestF = fitness(1); %记录全局最优适应度值
for i=1:pop; %对X中个体的顺序进行更新,函数值从小到大向下
X(i,:)=X0(index(i),:);
end
GBestX = X(1,:);%记录全局最优解
%把curve和X_new先初始化一下,增加运行速度
curve=zeros(1,Max_iter);
X_new = X;
%开始迭代,不断更新最优解
for t=1:Max_iter;
Pbest = X(1,:);
Pworst = X(end,:);
%计算用jaya更新的每个个体的新值
for i=1:pop;
X_new(i,:) = X(i,:) + rand(1,dim).*(Pbest - abs(X(i,:))) - rand(1,dim).*(Pworst - abs(X(i,:)));
end
% 边界控制,防止新值超过约束
for j=1:pop;
for a=1:dim;
if (X_new(j,a)>ub(a));
X_new(j,a)=ub(a);
end
if (X_new(j,a)<lb(a));
X_new(j,a)=lb(a);
end
end
end
%计算新的适应度值
for j=1:pop
fitness_new(j)=fobj(X_new(j,:));
end
%比较每个个体是否需要更新
for j=1:pop;
if fitness_new(j)<fitness(j);
X(j,:)=X_new(j,:);
fitness(j)=fitness_new(j);
end
if (fitness_new(j)<GBestF);
GBestF=fitness_new(j);
GBestX=X_new(j,:);
end
end
%更新X的位置
[fitness,index]=sort(fitness);
X = X(index,:);%这个代码直接按index的索引调换了X行的位置
%记录每一次迭代的最优适应度值
curve(t)=GBestF;
end
Best_pos = GBestX;
Best_score = curve(end);
end