融合黄金正弦算法和纵横交叉策略的秃鹰搜索算法(GSCBES)-附matlab代码

最新推荐文章于 2024-01-18 09:05:18 发布

天天Matlab代码科研顾问

最新推荐文章于 2024-01-18 09:05:18 发布

阅读量128

点赞数

分类专栏：优化求解文章标签：算法 matlab 开发语言

本文链接：https://blog.csdn.net/m0_57702748/article/details/132159592

版权

优化求解专栏收录该内容

206 篇文章 8 订阅

订阅专栏

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法神经网络预测雷达通信无线传感器电力系统

信号处理图像处理路径规划元胞自动机无人机

⛄ 内容介绍

秃鹰搜索算法（Bald Eagle Search Algorithm，简称BESA）是一种基于鹰的捕食行为的启发式优化算法。该算法通过模拟秃鹰的捕食策略，以寻找最优解。然而，原始的BESA算法在解决复杂问题时存在一些不足之处。

为了进一步提高搜索算法的性能，本文提出了一种融合黄金正弦算法和纵横交叉策略的秃鹰搜索算法（GSCBES）。黄金正弦算法（Golden Sine Cosine Algorithm，简称GSCA）是一种基于正弦和余弦函数的全局优化算法，具有较好的全局搜索能力。纵横交叉策略（Vertical and Horizontal Crossover Strategy，简称VHCS）是一种改进的优化策略，通过对搜索空间进行纵横交叉操作，能够更好地探索解空间。

在GSCBES算法中，首先利用GSCA算法进行全局搜索，以快速找到一个较好的初始解。然后，通过引入VHCS策略对搜索空间进行纵横交叉操作，以进一步优化解的质量。该策略能够有效地增加搜索空间的多样性，避免陷入局部最优解。

实验结果表明，GSCBES算法在解决多种优化问题时具有较好的性能。与原始BESA算法相比，GSCBES算法能够更快地找到全局最优解，并且具有更好的收敛性和稳定性。同时，该算法还具有较高的鲁棒性和可扩展性，适用于不同类型的优化问题。

综上所述，融合黄金正弦算法和纵横交叉策略的秃鹰搜索算法（GSCBES）是一种有效的优化算法，能够在复杂问题中寻找全局最优解。该算法的提出为优化问题的求解提供了一种新的思路和方法。随着进一步的研究和应用，相信GSCBES算法将在实际问题中发挥重要作用。

⛄ 部分代码

%% Plot the Drone Trajectoryt = state.time;x = state.signals.values(:,1);y = state.signals.values(:,2);z = state.signals.values(:,3);phi = state.signals.values(:,4);theta = state.signals.values(:,5);psi = state.signals.values(:,6);xr = reference.signals.values(:,1);yr = reference.signals.values(:,2);zr = reference.signals.values(:,3);fx = force.signals.values(:,1);fy = force.signals.values(:,2);fz = force.signals.values(:,3);figure(1)subplot(3,1,1)plot(t,x,'r')xlabel('t[s]')ylabel('x[m]')hold on; grid onplot(t,xr,'--')legend('Actual Trajectory', 'Reference Trajectory')subplot(3,1,2)plot(t,y,'b')xlabel('t[s]')ylabel('y[m]')hold on; grid onplot(t,yr,'--')legend('Actual Trajectory', 'Reference Trajectory')subplot(3,1,3)plot(t,fx,'r')xlabel('t[s]')ylabel('F[N]')hold on; grid onplot(t,fy,'b')legend('Fx', 'Fy')