【智能优化算法-人工蜂鸟算法】基于人工蜂鸟算法求解多目标优化问题附matlab代码MOAHA

1 内容介绍

在这项工作中提出了一种新的仿生优化算法，称为人工蜂鸟算法（AHA）来解决优化问题。 AHA算法模拟自然界中蜂鸟的特殊飞行技能和智能觅食策略。模拟了觅食策略中使用的三种飞行技能，包括轴向、对角线和全向飞行。此外，实施了引导觅食、领地觅食和迁徙觅食，并构建了访问表来模拟蜂鸟对食物来源的记忆功能。 AHA 使用两组数值测试函数进行验证，并将结果与从各种算法获得的结果进行比较。比较表明，AHA 比其他元启发式算法更具竞争力，并且可以用更少的控制参数确定高质量的解决方案。此外，AHA 的性能在十个具有挑战性的工程设计案例研究中得到验证。结果表明，与文献中现有的优化技术相比，AHA 在计算负担和求解精度方面的优越性。

2 仿真代码

%-------------------------------------------------------------------%
%  Multi-Objective artificial hummingbird algorithm (MOAHA)         %
%  Source codes demo version 1.0                                    %
%-------------------------------------------------------------------%
% I acknowledge that this version of MOAHA has been written using
% a portion of the following code:
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%  MATLAB Code for                                                  %
%                                                                   %
%  Multi-Objective Particle Swarm Optimization (MOPSO)              %
%  Version 1.0 - Feb. 2011                                          %
%                                                                   %
%  According to:                                                    %
%  Carlos A. Coello Coello et al.,                                  %
%  "Handling Multiple Objectives with Particle Swarm Optimization," %
%  IEEE Transactions on Evolutionary Computation, Vol. 8, No. 3,    %
%  pp. 256-279, June 2004.                                          %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

function dom=Dominates(x,y)
    
    dom=all(x<=y) && any(x<y);

end

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

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

function [pop, F]=NonDominatedSorting(pop)

    nPop=numel(pop);

    for i=1:nPop
        pop(i).DominationSet=[];
        pop(i).DominatedCount=0;
    end
    
    F{1}=[];
    
    for i=1:nPop
        for j=i+1:nPop
            p=pop(i);
            q=pop(j);
            
            if Dominates(p.Cost,q.Cost)
                p.DominationSet=[p.DominationSet j];
                q.DominatedCount=q.DominatedCount+1;
            end
            
            if Dominates(q.Cost,p.Cost)
                q.DominationSet=[q.DominationSet i];
                p.DominatedCount=p.DominatedCount+1;
            end
            
            pop(i)=p;
            pop(j)=q;
        end
        
        if pop(i).DominatedCount==0
            F{1}=[F{1} i];
            pop(i).Rank=1;
        end
    end
    
    k=1;
    
    while true
        
        Q=[];
        
        for i=F{k}
            p=pop(i);
            
            for j=p.DominationSet
                q=pop(j);
                
                q.DominatedCount=q.DominatedCount-1;
                
                if q.DominatedCount==0
                    Q=[Q j]; 
                    q.Rank=k+1;
                end
                
                pop(j)=q;
            end
        end
        
        if isempty(Q)
            break;
        end
        
        F{k+1}=Q; 
        
        k=k+1;
        
    end
    

end

%--------------------------------------------------------------------------%
% Multi-Objective artificial hummingbird algorithm (MOAHA)                 %
% Source codes demo version 1.0                                            %
------------------------------------------------------------%
%  FunIndex = 1: ZDT1
%  FunIndex = 2: ZDT2
%  FunIndex = 3: ZDT3
%  FunIndex = 4: ZDT4
%  FunIndex = 5: ZDT6
 

clc;
clear;
 
MaxIt=300;
nPop=100;
Dim=30;
ArchiveSize=100;

 FunIndex=1;% ZDT1

    [ArchiveFit]=MOAHA(FunIndex,MaxIt,nPop,ArchiveSize);
    
    figure;
    plot(ArchiveFit(1,:),ArchiveFit(2,:),'r.');
    if FunIndex==5
        title(['ZDT',num2str(FunIndex+1)]);
    else
        title(['ZDT',num2str(FunIndex)]);
    end
    xlabel('f1');
    ylabel('f2');
    box on
    legend('PF');
  

 

3 运行结果

4 参考文献

[1]刘明辉. 改进的多目标人工蜂群算法及其在特征选择中的应用[D]. 安徽大学, 2018.

[2] Zhao W ,  Wang L ,  Mirjalili S . Artificial hummingbird algorithm: A new bio-inspired optimizer with its engineering applications[J]. Computer Methods in Applied Mechanics and Engineering, 2022, 388:114194-.

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。

部分理论引用网络文献，若有侵权联系博主删除。