基于象鼻虫损害优化算法求解装箱问题附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，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。​

⛄ 内容介绍

象鼻虫是一种长有细长鼻部的昆虫，来自Curculionoide超科约97000种。它们中的大多数认为害虫会造成环境破坏，但一些种类，如小麦象鼻虫、玉米象鼻虫和棉铃象鼻虫，都会造成巨大的危害对农作物，特别是谷物的损害。本研究提出了一种新的基于群体的进化算法，称为“象甲损伤优化算法”(WDOA)象鼻虫对农作物或农产品的飞力、鼻力和破坏力。用12个基准单峰和多峰人工景观或优化测试功能。此外，拟议的WDOA用于五项工程以检查其解决问题的稳健性。问题包括旅行推销员问题(TSP)、n-Queens问题、投资组合问题、最优库存控制(OIC)问题、，和装箱问题(BPP)。所有测试的功能都与广泛使用的基准测试相比较粒子群优化(PSO)、遗传算法(GA)、和谐搜索算法(HS)算法、帝国主义竞争算法(ICA)、萤火虫算法(FA)和差异进化(DE)算法。此外，所有问题都用DE、FA和HS算法进行了测试。通过提供精确性和合理的速度，所提出的算法在所有函数和问题上都表现出了鲁棒性和速度。

⛄ 部分代码

%% Weevil Damage Optimization Algorithm (WDOA) 投资组合问题

％ 纸：

% http://www.growingscience.com/jfs/Vol2/jfs_2022_17.pdf

%%-------------------------------------------- ----------

% 投资组合是金融中的一个定义，它基于接收一些价值(价格) 

% 作为股票或任何其他金融资产，并通过旨在 

% 增加回报并降低风险。最后，那些具有最高

% 回报和最低风险，将被视为称为有效边界的向量。 

% 通常情况下，投资组合通过均值-方差、半均值等传统方法求解 

%方差和平均绝对偏差但并不总是保证最佳解决方案。c；

清除;

关闭所有;

%% 运行应用

数据=加载('我的数据');

R=数据.R；

nAsset=size(R,2);

MinRet=min(均值(R,1));

MaxRet=max(平均值(R,1));

nSol=10;

DR=linspace(MinRet,MaxRet,nSol);

型号.R=R；

model.method='cvar';

模型.alpha=0.95；

W=zeros(nSol,nAsset);

WReturn=zeros(nSol,1);

WRisk=zeros(nSol,1);

对于 k=1:nSol

model.DesiredRet=DR(k);

disp(['Running for Solution #' num2str(k) ':']);

%------------------------------------

out = RunWDOA(模型);

%------------------------------------

显示('______________________________');

显示('');

W(k,:)=out.BestSol.Out.w;

WReturn(k)=out.BestSol.Out.ret;

WRisk(k)=out.BestSol.Out.rsk;

结尾

EF=find(~IsDominated(WRisk,WReturn));

％％ 结果

数字;

plot(WRisk,WReturn,'y','LineWidth',2);

坚持，稍等;

plot(WRisk(EF),WReturn(EF),'r','LineWidth',4);

legend('','有效边界');

斧头 = gca; 

ax.FontSize = 14; 

ax.FontWeight='粗体';

设置(gca，'颜色'，'w')

网格上；

xlabel('风险');

ylabel('返回');

数字;

plot(out.BestCost,'k', 'LineWidth', 2);

xlabel('ITR');

ylabel('成本价值');

斧头 = gca; 

ax.FontSize = 14; 

ax.FontWeight='粗体';

设置(gca，'颜色'，'c')

网格上；

出.BestSol.Out

⛄ 运行结果

⛄ 参考文采

象鼻虫伤害优化算法及其应用

❤️ 关注我领取海量matlab电子书和数学模型资料

❤️部分分析引用网络文档，若有版权联盟博主删除