1 简介
向日葵的模式是一致的:它们每天都像时钟一样随着太阳走。在傍晚时分,它们会走另一条路,在第二天早上的聚会上待命。
2 部分代码
%% 清除环境变量 clear clc %% 参数设置 N = 30; % 种群规模 Function_name = 'F1'; % 从F1到F23的测试函数的名称(本文中的表1、2、3) Max_iteration = 1000; % 最大迭代次数 cnt_max = 1; % 加载所选基准函数的详细信息 [lb, ub, dim, fobj] = Get_Functions_details(Function_name); Curve_SFO = zeros(1, Max_iteration); for cnt = 1:cnt_max % 初始化种群位置 X = initialization(N, dim, ub, lb); [SFO_Best_score(cnt), SFO_Best_pos(cnt, :), SFO_Curve] = SFO(X, N, Max_iteration, lb, ub, dim, fobj); Curve_SFO = Curve_SFO+SFO_Curve; end Curve_SFO = Curve_SFO/cnt_max; std_SFO = std(SFO_Best_score); best_SFO = max(SFO_Best_score); worst_SFO = min(SFO_Best_score); mean_SFO = mean(SFO_Best_score); %% 画图 % 1、画出所选基准函数的三维立体图形 figure; func_plot(Function_name); title(Function_name) xlabel('x_1'); ylabel('x_2'); zlabel([Function_name,'( x_1 , x_2 )']) % 2、画出目标函数值变化曲线图 figure; t = 1:Max_iteration; semilogy(t, Curve_SFO, 'rd-', ... 'linewidth', 1.5, 'MarkerSize', 8, 'MarkerIndices', 1:100:Max_iteration); title('Sphere') xlabel('Iteration'); ylabel('Fitness'); axis fill grid on box on legend('SFO'); %% 显示结果 disp(['函数:', num2str(Function_name)]); disp(['SFO:最大值: ', num2str(best_SFO), ',最小值:', num2str(worst_SFO), ',平均值:', num2str(mean_SFO), ',标准差:', num2str(std_SFO)]);
3 仿真结果
4 参考文献
[1]郑雅丹. 基于超宽带的复杂地理环境设备群通信关键技术研究. Diss. 北京信息科技大学, 2015.