基于抗冠状病毒优化（ACVO）算法求解单目标优化问题附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。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机

⛄ 内容介绍

本文介绍了一种新的群体智能策略——抗冠状病毒优化（ACVO）算法。该算法是一种多智能体策略，其中每个智能体都是一个人，通过观察控制协议试图保持健康并减缓 COVID-19 的传播。该算法由三个主要步骤组成：社交距离、隔离和隔离。在社交距离阶段，算法试图保持人与人之间的安全物理距离并限制密切接触。在隔离阶段，算法隔离疑似人员以防止疾病传播。应该照顾一些没有遵守健康协议并感染病毒的人，以使其完全康复。在隔离阶段，算法关心感染者恢复健康。该算法迭代地将这些算子应用于人群，以找到最适合和最健康的人。所提出的算法在标准多变量单目标优化问题上进行了评估，并与几种对应算法进行了比较。结果表明，与同类产品相比，ACVO 在大多数测试问题上的优势。

⛄ 部分代码

function [fobj, l, u, g, d]=GetBenchmarkFunction(number)

dim=30;

switch number

    

    case 'F1'

        % F1- Sphere lower=[-100], upper=[100], gminimum=[0]

        fobj = @F1;

        l=[-100];

        u=[100];

        g=0;

        d=dim;

        

    case 'F2'

        % F2- SumSquares lower=[-10], upper=[10], gminimum=[0]

        fobj = @F2;

        l=[-10];

        u=[10];

        g=0;

        d=dim;

        

    case 'F3'

        % F3- Schwefel 2.22 lower=[-100], upper=[100], gminimum=[0]

        fobj = @F3;

        l=[-100];

        u=[100];

        g=0;

        d=dim;

        

    case 'F4'

        % F4- Rastrigin  lower=[-5.12], upper=[5.12] gminimum=[0]

        fobj = @F4;

        l=[-5.12];

        u=[5.12];

        g=0;

        d=dim;

        

    case 'F5'

        % F5- Alpine  lower=[0], upper=[10] gminimum=[0]

        fobj = @F5;

        l=[0];

        u=[10];

        g=[0];

        d=dim;

        

    case 'F6'

        % F6- Griewank  lower=[-600], upper=[600] gminimum=[0]

        fobj = @F6;

        l=[-600];

        u=[600];

        g=[0];

        d=dim;

        

    case 'F7'

        % F7- Penalized  lower=[-50], upper=[50] gminimum=[0]

        fobj = @F7;

        l=[-50];

        u=[50];

        g=[0];

        d=dim;

        

    case 'F8'

        % F8- Ackley  lower=[-32], upper=[32] gminimum=[0]

        fobj = @F8;

        l=[-32];

        u=[32];

        g=[0];

        d=dim;

        

    case 'F9'

        % F9- Shubert  lower=[-10], upper=[10] gminimum=[-186.73]

        fobj = @F9;

        l=[-10];

        u=[10];

        g=[-187];

        d=dim;

        

    case 'F10'

        % F10- Bohachevsky  lower=[-5], upper=[5] gminimum=[0]

        fobj = @F10;

        l=[-5];

        u=[5];

        g=[0];

        d=dim;

end

end

function z = F1(x)

% F1- Sphere lower=[-100], upper=[100], gminimum=[0]

z=sum(x'.^2)';

end

function z = F2(x)

% F2- SumSquares lower=[-10], upper=[10], gminimum=[0]

[m, n] = size(x);

x2 = x .^2;

I = repmat(1:n, m, 1);

z = sum( I .* x2, 2);

end

function z = F3(x)

% F3- Schwefel 2.22 lower=[-100], upper=[100], gminimum=[0]

absx = abs(x);

z = sum(absx, 2) + prod(absx, 2);

end

function z = F4(x)

% F4- Rastrigin  lower=[-5.12], upper=[5.12] gminimum=[0]

n = size(x, 2);

A = 10;

z = (A * n) + (sum(x .^2 - A * cos(2 * pi .* x), 2));

end

function z = F5(x)

% F5- Alpine 1  lower=[0], upper=[10] gminimum=[0]

z = sum(abs(x .* sin(x) + 0.1 * x), 2);

end

function z = F6(x)

% F6- Griewank  lower=[-600], upper=[600] gminimum=[0]

n = size(x, 2);

sumcomp = 0;

prodcomp = 1;

for i = 1:n

    sumcomp = sumcomp + (x(:, i) .^ 2);

    prodcomp = prodcomp .* (cos(x(:, i) / sqrt(i)));

end

z = (sumcomp / 4000) - prodcomp + 1;

end

function z = F7(x)

% F7- Penalized  lower=[-50], upper=[50] gminimum=[0], dim=30

a=10;

k=100;

m=4;

d=size(x,2);

for i=1:size(x,1)

    xi=x(i,:);

    

    term4=0;

    for j=1:d

        if xi(j)>a

            u1=k*(xi(j)-a).^m;

        elseif xi(j)<(-a)

            u1=k*(-xi(j)-a).^m;

        else

            u1=0;

        end

        term4=term4+u1;

    end

    

    for k=1:d

        yi(k)=1+0.25*(xi(k)+1);

    end

    

    term1=10*(sin(pi*yi(1))^2);

    

    term2=0;

    for k2=1:d-1

        term2=term2+(((yi(k2)-1).^2)*(1+10*(sin(pi*yi(k2+1))).^2));

    end

    term3=(yi(d)-1)^2;

    

    z(i)=pi/d* (term1+ term2+ term3)+ term4;

end

z=z';

end

function z = F8(x)

% F8- Ackley  lower=[-32], upper=[32] gminimum=[0]

n = size(x, 2);

ninverse = 1 / n;

sum1 = sum(x .^ 2, 2);

sum2 = sum(cos(2 * pi * x), 2);

z = 20 + exp(1) - (20 * exp(-0.2 * sqrt( ninverse * sum1))) - exp( ninverse * sum2);

end

function z = F9(x)

% F9- Shubert  lower=[-10], upper=[10] gminimum=[-186.73]

x1 = x(:,1);

x2 = x(:,2);

sum1 = 0;

sum2 = 0;

for ii = 1:5

    new1 = ii * cos((ii+1)*x1+ii);

    new2 = ii * cos((ii+1)*x2+ii);

    sum1 = sum1 + new1;

    sum2 = sum2 + new2;

end

z = sum1 .* sum2;

end

function z = F10(x)

% F10- Bohachevsky  lower=[-5], upper=[5] gminimum=[0]

n = size(x, 2);

Y = x(:, 2);

X = x(:, 1);

z = X.^2 + Y.^2 + (25 * (sin(X).^2 + sin(Y).^2));

end

⛄ 运行结果

⛄ 参考文献

Emami, Hojjat. “Anti-Coronavirus Optimization Algorithm.” Soft Computing, vol. 26, no. 11, Springer Science and Business Media LLC, Mar. 2022, pp. 4991–5023, doi:10.1007/s00500-022-06903-5.

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除