本人把猴群算法用Matlab语言,采用面向对象的方式进行了编写。将大部分不必要修改的地方都封装起来,用户只需要修改算法需要的基本参数,在修改一下与求解问题相关的目标函数这两处,就能够快速使用猴群算法,看到算法运行的效果。这对于那些不熟悉编程的科研工作者,能节省大量的时间,并帮助其把精力集中于自己要解决的主要问题上。如果有兴趣,也可以自己进一步修改,使得代码更符合自己的使用习惯。
下面会逐步展开介绍使用本人编写的猴群算法matlab代码的过程。
一 猴群算法简介
猴群算法的介绍可以搜索多篇网络文章,然后得到清楚的了解。在使用猴群算法时,除了需要清楚了解算法过程,和其他智能算法类似,还需要完成如下两个关键的任务。
第1,把要解决的具体问题转化成一个求取函数极值的问题。
一般是求取函数最大值问题,求取最小值问题是等价的,做个变换就可以成为最大值问题。该函数在猴群算法中称为目标函数。一个函数最大值问题,其数学表达如下:
第2,确定使用猴群算法时,需要预先设定各种参数值。最基本的参数有如下6个,还有与目标函数相关的3个重要参数,共计9个,如下图所示。
二 猴群算法使用举例
下面以使用猴群算法搜索一个函数的最大值,来举个例子。该函数的解析式如下:
约束条件为:
该函数的最大值我们已经知道,这里提前说明,其最大值在18.55附近。这样该函数x,y的取值范围在区间[0,10]之间,在三维空间的图形如下:
三 猴群算法matlab源代码的修改使用
猴群算法matlab源代码的修改使用分为如下几步:
1 下载猴群算法代码,付款后,获取解压缩密码并解压使用
该代码已经压缩打包后放在百度网盘上,网址是:百度网盘 请输入提取码
提取码:1234
用户下载后,需要先查看“解压缩密码”文件,其中有付款二维码,付款后,请加QQ号:181120112,要解压缩密码。然后解压其中的压缩文件到本地文件夹下,随后打开matlab软件,进入该文件夹就能打开算法主文件使用。代码使用Matlab 2020b版本开发,用户使用的matlab版本最好与这个版本相同或更高些,这样可以保证使用时少出意外问题。
2 修改目标函数
用户根据自己的具体问题,确定了目标函数以后,只需要在SupportFiles文件夹下的TargetFunc.m文件中修改cacTarget()函数内容,为自己的目标函数以后,就完成了使用猴群算法需要的第1个修改任务。仍然以上述例子函数为目标函数,修改后的cacTarget()函数如下:
这里代码中的X(1,1)就是例子函数中的x分量,X(1,2)就是例子函数中的y分量。
3 算法参数上的修改
猴群算法的参数修改在主文件mainMA中,在matlab下打开该文件,用户可以按照自己问题的参数需要,修改代码文件中如下图猴群算法各参数数值即可。各参数的功能已经在后边用绿色注释进行了说明,以确保不会填错。
4 运行
完成以上修改后,点击matlab的运行按钮,就可以正常运行猴群算法。在下方的命令窗口内,可以看到迭代信息。如图:
四 猴群算法运行结果图示
算法运行完,会把各轮迭代的最优值画出,最后形成最优目标值变化曲线图。需要注意的是,因为该算法属于随机搜索,所以不是每次都一定能找到全局最优解,一些时候,可能只能找到次优解。另外,由于每一轮迭代猴群都有变化,所以各轮次最优猴子也在发生变化,并不总是保持不变。下图是算法运行一次后,得到的最优目标值变化曲线图。
可以看到,算法在各个轮次都有最优解,但多数都是局部最优解,只在第9次迭代时找到了全局最优解18.5523。
五 最优结果的三维图示
为了方便直观的观察最优解在目标函数上的位置,这里把最后得到的最优解用红色星号标注在目标函数三维图上,可以看到,最优解已经找到了全局最优值所在的主山峰,并接近了山顶。需要注意的是,有时找到的最优解并不是全局极值,因此红色星号标注也可能出现在其他山峰上。最后本图只能显示二维函数求取极值的图像。高于二维,就没法画图显示了。
要做出如上图形,也需要修改一个函数文件,即修改InfoPlot.m文件中的draw3DPoint()函数内容。截图如下:
六 结束语
通过以上操作,研究者只需要根据自己的具体问题,建立数学模型和函数,然后在源代码中简单修改目标函数和相应的参数,就能立刻运行猴群算法程序,跑出结果。能为研究者节省不少时间,我觉得是一件功德无量的事情。
如果用户想加入自己的创意,也可以在原代码基础上进一步修改,提升其功能,那当然更是锦上添花了。