猴群算法matlab代码

最新推荐文章于 2024-09-04 14:45:59 发布

helicopter991

最新推荐文章于 2024-09-04 14:45:59 发布

阅读量147

点赞数

文章标签：算法 matlab 人工智能机器学习

本文链接：https://blog.csdn.net/helicopter991/article/details/131964703

版权

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：

$\max f(X), X = \{ x_1,x_2,\dots ,x_n\} \in R^n$

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：

$f(x,y) = -x \sin(4x) - 1.1y \sin(2y)$

约束条件为：

$0 \leq x \leq 10, \quad 0 \leq y \leq 10$

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。