【智能优化算法】基于牛顿拉夫逊的优化器 (NRBO)附matlab代码

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，

代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

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

基于牛顿拉夫森的优化器 (NRBO)，一种新的元启发式算法 ，是在本文中提出和发展的。NRBO 受到 Newton-Raphson 方法的启发，它使用两个规则探索整个搜索过程：Newton-Raphson 搜索规则 (NRSR) 和陷阱避免算子 (TAO) 以及几组矩阵以进一步探索最佳结果。NRSR 使用 Newton-Raphson 方法来提高 NRBO 的探索能力并提高收敛速度以达到改进的搜索空间位置。TAO 帮助 NRBO 避免局部最优陷阱。使用 64 个基准数值函数评估 NRBO 的性能，其中包括 23 个标准基准、29 个 CEC2017 约束基准和 12 个 CEC2022 基准。此外，还采用NRBO优化了12个CEC2020现实世界约束工程优化问题 。将所提出的 NRBO 与七种最先进的优化算法进行了比较，结果表明 NRBO 由于其高探索和开发平衡性、高收敛率和有效避免局部最优等特点而产生了有希望的结果能力。此外，NRBO还对车联网问题这一具有挑战性的无线通信问题进行了验证，NRBO能够找到数据传输的最佳路径。此外，还考虑山地车问题研究了NRBO 在训练深度强化学习代理时的性能。获得的结果也证明了NRBO在处理具有挑战性的现实工程问题方面的出色表现。     

NRBO 是一种基本算法，旨在向用户介绍全局优化。该代码作为基础平台，为优化算法爱好者提供核心功能和用户友好的结构。虽然它展示了基本的技术和策略，但它是一个基本版本，可能无法保证在所有应用程序中都能获得出色的结果。非常适合寻求进一步开发、定制和实验基础的用户。该准则鼓励协作成长和创新。

📣 部分代码

% ---------------------------------------------------------------------------------------------------------------------- % %  Authors, Inventors, and Programmers: Dr. Sowmya R, Dr. M. Premkumar, and Dr. Pradeep Jangir %  E-Mail: mprem.me@gmail.com% ---------------------------------------------------------------------------------------------------------------------- %% ---------------------------------------------------------------------------------------------------------------------- %% Please Refer the Following:% Newton-Raphson-based optimizer: A new population-based metaheuristic algorithm for continuous optimization problems% Engineering Applications of Artificial Intelligence,% Volume 128, 2024,107532.% ISSN 0952-1976% https://doi.org/10.1016/j.engappai.2023.107532.% https://www.sciencedirect.com/science/article/pii/S0952197623017165)% Cite As: R. Sowmya, M. Premkumar, and P. Jangir, “Newton-Raphson-Based Optimizer: A New Population-Based Metaheuristic Algorithm for Continuous Optimization Problems,” % Engineering Applications of Artificial Intelligence, Vol. 128, pp. 107532, February 2024.% Website: https://premkumarmanoharan.wixsite.com/mysite/downloads % ---------------------------------------------------------------------------------------------------------------------- %​function [lb,ub,dim,fobj] = Get_Functions_details(F)​​switch F    case 'F1'        fobj = @F1;        lb=-100;        ub=100;        dim=30;            case 'F2'        fobj = @F2;        lb=-10;        ub=10;        dim=30;            case 'F3'        fobj = @F3;        lb=-100;        ub=100;        dim=30;            case 'F4'        fobj = @F4;        lb=-100;        ub=100;        dim=30;            case 'F5'        fobj = @F5;        lb=-30;        ub=30;        dim=30;            case 'F6'        fobj = @F6;        lb=-100;        ub=100;        dim=30;            case 'F7'        fobj = @F7;        lb=-1.28;        ub=1.28;        dim=30;            case 'F8'        fobj = @F8;        lb=-500;        ub=500;        dim=30;            case 'F9'        fobj = @F9;        lb=-5.12;        ub=5.12;        dim=30;            case 'F10'        fobj = @F10;        lb=-32;        ub=32;        dim=30;            case 'F11'        fobj = @F11;        lb=-600;        ub=600;        dim=30;            case 'F12'        fobj = @F12;        lb=-50;        ub=50;        dim=30;            case 'F13'        fobj = @F13;        lb=-50;        ub=50;        dim=30;            case 'F14'        fobj = @F14;        lb=-65.536;        ub=65.536;        dim=2;            case 'F15'        fobj = @F15;        lb=-5;        ub=5;        dim=4;            case 'F16'        fobj = @F16;        lb=-5;        ub=5;        dim=2;            case 'F17'        fobj = @F17;        lb=[-5,0];        ub=[10,15];        dim=2;            case 'F18'        fobj = @F18;        lb=-2;        ub=2;        dim=2;            case 'F19'        fobj = @F19;        lb=0;        ub=1;        dim=3;            case 'F20'        fobj = @F20;        lb=0;        ub=1;        dim=6;                 case 'F21'        fobj = @F21;        lb=0;        ub=10;        dim=4;                case 'F22'        fobj = @F22;        lb=0;        ub=10;        dim=4;                case 'F23'        fobj = @F23;        lb=0;        ub=10;        dim=4;                   case 'F24'        fobj = @F24;        lb=0;        ub=1;        dim=4;   end​end​% F1​function o = F1(x)o=sum(x.^2);end​% F2​function o = F2(x)o=sum(abs(x))+prod(abs(x));end​% F3​function o = F3(x)dim=size(x,2);o=0;for i=1:dim    o=o+sum(x(1:i))^2;endend​% F4​function o = F4(x)o=max(abs(x));end​% F5​function o = F5(x)dim=size(x,2);o=sum(100*(x(2:dim)-(x(1:dim-1).^2)).^2+(x(1:dim-1)-1).^2);end​% F6​function o = F6(x)o=sum(abs((x+.5)).^2);end​% F7​function o = F7(x)dim=size(x,2);o=sum([1:dim].*(x.^4))+rand;end​% F8​function o = F8(x)o=sum(-x.*sin(sqrt(abs(x))));end​% F9​function o = F9(x)dim=size(x,2);o=sum(x.^2-10*cos(2*pi.*x))+10*dim;end​% F10​function o = F10(x)dim=size(x,2);o=-20*exp(-.2*sqrt(sum(x.^2)/dim))-exp(sum(cos(2*pi.*x))/dim)+20+exp(1);end​% F11​function o = F11(x)dim=size(x,2);o=sum(x.^2)/4000-prod(cos(x./sqrt([1:dim])))+1;end​% F12​function o = F12(x)dim=size(x,2);o=(pi/dim)*(10*((sin(pi*(1+(x(1)+1)/4)))^2)+sum((((x(1:dim-1)+1)./4).^2).*...(1+10.*((sin(pi.*(1+(x(2:dim)+1)./4)))).^2))+((x(dim)+1)/4)^2)+sum(Ufun(x,10,100,4));end​% F13​function o = F13(x)dim=size(x,2);o=.1*((sin(3*pi*x(1)))^2+sum((x(1:dim-1)-1).^2.*(1+(sin(3.*pi.*x(2:dim))).^2))+...((x(dim)-1)^2)*(1+(sin(2*pi*x(dim)))^2))+sum(Ufun(x,5,100,4));end​% F14​function o = F14(x)aS=[-32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32;,...-32 -32 -32 -32 -32 -16 -16 -16 -16 -16 0 0 0 0 0 16 16 16 16 16 32 32 32 32 32];​for j=1:25    bS(j)=sum((x'-aS(:,j)).^6);endo=(1/500+sum(1./([1:25]+bS))).^(-1);end​% F15​function o = F15(x)aK=[.1957 .1947 .1735 .16 .0844 .0627 .0456 .0342 .0323 .0235 .0246];bK=[.25 .5 1 2 4 6 8 10 12 14 16];bK=1./bK;o=sum((aK-((x(1).*(bK.^2+x(2).*bK))./(bK.^2+x(3).*bK+x(4)))).^2);end​% F16​function o = F16(x)o=4*(x(1)^2)-2.1*(x(1)^4)+(x(1)^6)/3+x(1)*x(2)-4*(x(2)^2)+4*(x(2)^4);end​% F17​function o = F17(x)o=(x(2)-(x(1)^2)*5.1/(4*(pi^2))+5/pi*x(1)-6)^2+10*(1-1/(8*pi))*cos(x(1))+10;end​% F18​function o = F18(x)o=(1+(x(1)+x(2)+1)^2*(19-14*x(1)+3*(x(1)^2)-14*x(2)+6*x(1)*x(2)+3*x(2)^2))*...    (30+(2*x(1)-3*x(2))^2*(18-32*x(1)+12*(x(1)^2)+48*x(2)-36*x(1)*x(2)+27*(x(2)^2)));end​% F19​function o = F19(x)aH=[3 10 30;.1 10 35;3 10 30;.1 10 35];cH=[1 1.2 3 3.2];pH=[.3689 .117 .2673;.4699 .4387 .747;.1091 .8732 .5547;.03815 .5743 .8828];o=0;for i=1:4    o=o-cH(i)*exp(-(sum(aH(i,:).*((x-pH(i,:)).^2))));endend​% F20​function o = F20(x)aH=[10 3 17 3.5 1.7 8;.05 10 17 .1 8 14;3 3.5 1.7 10 17 8;17 8 .05 10 .1 14];cH=[1 1.2 3 3.2];pH=[.1312 .1696 .5569 .0124 .8283 .5886;.2329 .4135 .8307 .3736 .1004 .9991;....2348 .1415 .3522 .2883 .3047 .6650;.4047 .8828 .8732 .5743 .1091 .0381];o=0;for i=1:4    o=o-cH(i)*exp(-(sum(aH(i,:).*((x-pH(i,:)).^2))));endend​% F21​function o = F21(x)aSH=[4 4 4 4;1 1 1 1;8 8 8 8;6 6 6 6;3 7 3 7;2 9 2 9;5 5 3 3;8 1 8 1;6 2 6 2;7 3.6 7 3.6];cSH=[.1 .2 .2 .4 .4 .6 .3 .7 .5 .5];​o=0;for i=1:5    o=o-((x-aSH(i,:))*(x-aSH(i,:))'+cSH(i))^(-1);endend​% F22​function o = F22(x)aSH=[4 4 4 4;1 1 1 1;8 8 8 8;6 6 6 6;3 7 3 7;2 9 2 9;5 5 3 3;8 1 8 1;6 2 6 2;7 3.6 7 3.6];cSH=[.1 .2 .2 .4 .4 .6 .3 .7 .5 .5];​o=0;for i=1:7    o=o-((x-aSH(i,:))*(x-aSH(i,:))'+cSH(i))^(-1);endend​% F23​function o = F23(x)aSH=[4 4 4 4;1 1 1 1;8 8 8 8;6 6 6 6;3 7 3 7;2 9 2 9;5 5 3 3;8 1 8 1;6 2 6 2;7 3.6 7 3.6];cSH=[.1 .2 .2 .4 .4 .6 .3 .7 .5 .5];​o=0;for i=1:10    o=o-((x-aSH(i,:))*(x-aSH(i,:))'+cSH(i))^(-1);endend​function o= F24(x) l1 = 0.3; l2 = 0.35; l3 = 0.35; i=size(x,2); P =x; pdr = rand(1,i); d = rand(1,i); D = sum(d); %D(y) D_th = D/2;     T = (D_th-d(1))/D_th;   Tv = sum(T)/1000;​  Pc = prod(P);     %PC(y) PR = prod(pdr);  %PDR(y) o=l1*Pc+l2*PR+l3*T*(1/1+Tv); %o=Pc+PR;end​function o=Ufun(x,a,k,m)o=k.*((x-a).^m).*(x>a)+k.*((-x-a).^m).*(x<(-a));end​

⛳️ 运行结果

🔗 参考文献

R. Sowmya, M. Premkumar, and P. Jangir, “Newton-Raphson-Based Optimizer: A New Population-Based Metaheuristic Algorithm for Continuous Optimization Problems,” Engineering Applications of Artificial Intelligence, Vol. 128, pp. 107532, February 2024, doi: 10.1016/j.engappai.2023.107532.

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码、论文复现、期刊合作、论文辅导及科研仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面

卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合