超详细！CEC2017测试函数最全公式图像介绍与调用方法 Matlab代码免费获取

强盛机器学习

已于 2024-09-23 11:30:57 修改

阅读量1k

点赞数 9

分类专栏：改进优化算法与应用文章标签： matlab 人工智能智能优化算法算法 CEC2017 测试函数

于 2024-09-18 14:14:30 首次发布

本文链接：https://blog.csdn.net/QSJIQIXUEXI/article/details/142331885

版权

改进优化算法与应用专栏收录该内容

27 篇文章 4 订阅

订阅专栏

声明：文章是从本人公众号中复制而来，因此，想最新最快了解各类智能优化算法及其改进的朋友，可关注我的公众号：强盛机器学习，不定期会有很多免费代码分享~

今天给大家带来一期CEC2017测试函数的代码与公式介绍。CEC是国际进化大会（IEEE Congress on Evolutionary Computation）的简称，后面的数据代表年份。CEC2017则是2017年的出炉的测试函数，这些函数加入了旋转、偏移等操作，防止了过拟合问题，因此很多SCI论文都用到了CEC2017函数。

本期代码免费赠送，需要代码的小伙伴可直接拉到最后！！！

CEC2017共有29个函数（其余网上版本说30个的都是错误版本！其中F2已被官方删除），其中F1-F2为单峰函数、F3-F9为简单多峰函数、F10-F19为混合函数，F20-29为组合函数。维度可选10维、30维、50维、100维。随着维度的增加，该系列函数的求解将变得极其困难，运行速度也将非常缓慢。

函数目录

以下为CEC2017函数的目录：

这里也列举官方生成的部分函数图像供大家参考与感受（F1-F6），首先是以2维度为例的3D函数图：

还有等高线图（F3-F8）：

调用方法

这里以PSO算法为例，给小伙伴讲解一下如何使用CEC2017函数，首先，下载文末提供的文件夹，注意一定要全部下载！！

其他cpp、mex文件都属于CEC2017函数内部文件，无需移动。您只需将自己的算法放入文件夹中，我这里以PSO算法为例演示调用。

随后，打开main文件，将所有出现PSO的地方查找替换为自己的算法名称即可，注意需要函数输入输出一致即可调用，这里展示一下部分代码：

%% 清除环境变量
clear
clc
close all
addpath input_data

%% 参数设置
Max_iteration = 500;           % 最大迭代次数
N = 30;                        % 种群规模
Function_name = 'F10';         % CEC2017测试函数: 29个测试函数(F1、F3~F30) (F2有问题多余，不要测试它)
% 加载所选基准函数的详细信息
[lb, ub, dim, fobj] = CEC2017(Function_name);

%% 优化
% 初始化种群位置
X = initialization(N, dim, ub, lb);
[Best_score, Best_pos, PSO_Curve] = PSO(X, N, Max_iteration, lb, ub, dim, fobj);

%% 绘图
% 画出目标函数值变化曲线图
figure;
t = 1:Max_iteration;
semilogy(t, PSO_Curve, 'r-', 'linewidth', 2); 
title(Function_name); 
xlabel('Iteration'); 
ylabel('Best score');
axis fill
% grid on
box on
legend('PSO');
set(gcf,'color','w')

%% 显示结果
display(['The optimal solution of ', Function_name, ' is: ', num2str(Best_pos)]);
display(['The optimal value of ', Function_name, ' is : ', num2str(Best_score)]);

可以看到，代码注释非常清晰，函数也改成了大家输入的调用格式，同时，可自行更改函数、最大迭代次数与种群规模，方便大家测试不同的函数。

这里以函数F10，种群规模为30，迭代500次为例，最后，输出迭代曲线图与最优结果：