1 简介
元启发式算法在解决优化问题中起着至关重要的作用。大多数此类算法的灵感来自集体智慧和自然界生物的觅食。在本文中,受非洲秃鹰生活方式的启发,提出了一种新的元启发式算法。该算法被命名为非洲秃鹰优化算法(AVOA),模拟非洲秃鹰的觅食和导航行为。为了评估 AVOA 的性能,它首先在 36 个标准基准函数上进行了测试。进行了一项比较研究,证明了所提出的算法与几种现有算法相比的优越性。为了展示 AVOA 的适用性及其黑盒性质,它被用来为 11 个工程设计问题寻找最佳解决方案。各种实验表明,在大多数工程案例研究中,AVOA 的性能优于比较算法。作为实验结果,在 36 个基准测试中,AVOA 算法在 30 个基准测试中取得了比优化器算法更好的结果,并且在大多数工程问题上具有显着和更好的性能。 Wilcoxon 秩和检验已用于统计评估,表明 AVOA 算法在 95% 置信区间内具有显着优势。
2 部分代码
%African Vulture Optimization alghorithm
clear all
close all
clc
% Population size and stoppoing condition
pop_size=30;
max_iter=100;
% Define your objective function's details here
fobj = @ObjectiveFunction;
variables_no=10;
lower_bound=-100; % can be a vector too
upper_bound=100; % can be a vector too
[Best_vulture1_F,Best_vulture1_X,convergence_curve]=AVOA(pop_size,max_iter,lower_bound,upper_bound,variables_no,fobj);
figure
% Best optimal values for the decision variables
subplot(1,2,1)
parallelcoords(Best_vulture1_X)
xlabel('Decision variables')
ylabel('Best estimated values ')
box on
% Best convergence curve
subplot(1,2,2)
plot(convergence_curve);
title('Convergence curve of AVOA')
xlabel('Current_iteration');
ylabel('Objective value');
box on
- 1.
- 2.
- 3.
- 4.
- 5.
- 6.
- 7.
- 8.
- 9.
- 10.
- 11.
- 12.
- 13.
- 14.
- 15.
- 16.
- 17.
- 18.
- 19.
- 20.
- 21.
- 22.
- 23.
- 24.
- 25.
- 26.
- 27.
3 仿真结果
4 参考文献
[1] Benyamin Abdollahzadeh, Farhad Soleimanian Gharehchopogh, Seyedali Mirjalili. African vultures optimization algorithm: A new nature-inspired metaheuristic algorithm for global optimization problems[J]. Computers & Industrial Engineering, 2021, 158: 107408.
博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。