基于蜂虎狩猎 (BEH) 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  电力系统

⛄ 内容介绍

随着近十年来物联网 (IoT) 应用的飞速发展，对其算法进行更优化的研究改进也在猛增。温室监控是物联网最需要的用途之一，因为它降低了监控维护成本和错误。自动温室监测有助于持续管理环境因素并降低能源成本，而不会出现人为错误。物联网系统返回的数据可以转移到回归任务，以分析输入和目标之间的关系及其相关系数。同时，可以将这些数据聚类到相似的组中，以使数据易于理解和操作。为了执行这两项任务，引入了一种新的仿生算法。拟议的蜂虎狩猎（BEH）算法，不仅可以与遗传算法 (GA) 等著名的进化算法竞争，而且与其他算法相比，返回更优化的成本。ThingSpeak 平台返回的实时数据，发送到拟议的仿生 BEH 算法，用于模糊回归和聚类分析任务，并与其他算法进行比较。结果显示这两项任务都有相当大的改进。

⛄ 部分代码

%% Bee-Eater Hunting Algorithm (BEH)

% https://ieeexplore.ieee.org/abstract/document/9953726

% DOI: 10.1109/SCIoT56583.2022.9953726

% Please cite below:

% Mousavi, Seyed Muhammad Hossein. "Introducing Bee-Eater Hunting Strategy Algorithm 

% for IoT-Based Green House Monitoring and Analysis." 2022 Sixth International Conference

% on Smart Cities, Internet of Things and Applications (SCIoT). IEEE, 2022.

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

clc;

clear;

close all;

warning ('off');

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

nVar = 10;                             % Number of Decision Variables

VarSize = [1 nVar];                    % Decision Variables Matrix Size

VarMin = -5;                           % Decision Variables Lower Bound

VarMax = 5;                            % Decision Variables Upper Bound

MaxIt = 200;                           % Maximum Number of Iterations

nPop = 10;                             % Number of bee-eaters 

DamageRate = 0.2;                      % Damage Rate

nbeeeater = round(DamageRate*nPop);    % Number of Remained beeeaters

nNew = nPop-nbeeeater;                 % Number of New beeeaters

mu = linspace(1, 0, nPop);             % Mutation Rates

pMutation = 0.1;                       % Mutation Probability

MUtwo = 1-mu;                          % Fight Mutation

PeakPower = 0.8;                       % BeeEater Peack power Rate

AdjustPower = 0.03*(VarMax-VarMin);    % BeeEater Adjustment Power Rate

PYR= -0.2;                             % Pitch Yaw Roll Rate

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

⛄ 运行结果

⛄ 参考文献

Mousavi, Seyed Muhammad Hossein. “Introducing Bee-Eater Hunting Strategy Algorithm for IoT-Based Green House Monitoring and Analysis.” 2022 Sixth International Conference on Smart Cities, Internet of Things and Applications (SCIoT), IEEE, 2022, doi:10.1109/sciot56583.2022.9953726.

⛄ Matlab代码关注

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料