基于金鹰算法解单目标优化问题（GoldenEagleOptimizer，GEO)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        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

基于金鹰算法解单目标优化问题（GoldenEagleOptimizer，GEO）是一种基于自然界中金鹰觅食行为特点和优化算法的单目标优化方法。该算法通过模拟金鹰的觅食行为来搜索问题的最优解。

以下是GEO算法的基本步骤：

1. 问题建模：将单目标优化问题转化为一个数学模型。定义目标函数和约束条件，目标函数可以是需要最小化或最大化的目标指标。

2. 随机初始化种群：随机生成一组初始解作为种群，每个解表示问题的一个候选解。

3. 金鹰觅食行为：根据金鹰的觅食行为，对种群中的每个个体进行评估，并选择适应度值较高的个体作为“猎物”。

4. 竞争行为：根据金鹰的竞争行为，对种群中的个体进行竞争和交流，以促进解的多样性和探索能力。

5. 探索行为：根据金鹰的探索行为，对种群中的个体进行随机扰动和变异，引入随机性和多样性。

6. 终止条件判断：根据预设的终止条件（如达到最大迭代次数、目标函数收敛等），判断是否终止优化过程。

7. 更新种群：根据金鹰的觅食行为和竞争行为，更新种群中个体的位置和适应度值。

8. 输出最优解：在优化过程结束后，输出具有最优目标函数值的个体作为最优解。​

⛄ 部分代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Copyright (c) 2019-present, Mahmoud Afifi% York University, Canada% Email: mafifi@eecs.yorku.ca - m.3afifi@gmail.com%% This source code is licensed under the license found in the% LICENSE file in the root directory of this source tree.% All rights reserved.%%%% Please cite the following work if this program is used:% Mahmoud Afifi and Michael S. Brown. Sensor Independent Illumination % Estimation for DNN Models. In BMVC, 2019%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%clcclear allclose allMatlab_ver = 'higher'; %'2018b', '2019a', or 'higher'image_name = fullfile('imgs_w_normalization',...    'Cube+_challenge_CanonEOS550D_243.png'); %image name %Note: be sure that the image is in the raw-RGB linear space and the %black/saturation normalization is correctly applied to the image before %using it.model_name = 'trained_model_wo_NUS_Canon1DsMkIII'; %trained model namedevice = 'gpu'; %cpuin_img_sz = 150; %our network accepts 150x150 raw-RGB imageif strcmpi(Matlab_ver, '2018b') == 1 || strcmpi(Matlab_ver,'2019a') == 1    old = 1;    load(fullfile('models_old',model_name)); %load the trained modelelse    old = 0;    load(fullfile('models',model_name)); %load the trained modelendI_ = imread(image_name); %read the imagesz =size(I_);if sz(1)~=in_img_sz || sz(2)~=in_img_sz    I = imresize(I_,[in_img_sz,in_img_sz]); %resize the imageelse    I = I_;end%estimate the scene illuminantif old == 1    est_ill = predict(trained_model,I,'ExecutionEnvironment',device); else    est_ill = predict_(trained_model,I,device); %estimate the scene illuminantendest_ill =  est_ill./norm(est_ill); %make it a unit vectorfprintf('Estimated scene illuminant =  %f, %f, %f\n',...    est_ill(1),est_ill(2),est_ill(3)); %display the result​factor = 6; %scale factor to aid visualization​subplot(1,3,1); imshow(I_*factor); title('Input raw-RGB image'); %show input raw-RGB image (scaled to aid visualization)subplot(1,3,2); imshow(imresize(imread('mapped.png')*factor,[sz(1) sz(2)]));title('mapped image');subplot(1,3,3); imshow(reshape(...    reshape(im2double(I_),[],3)*diag(est_ill(2)./est_ill),sz)*factor);  %apply white balance correction then show the result (scaled to aid visualization)title('White-balanced raw-RGB image');​linkaxes

⛄ 运行结果

⛄ 参考文献

[1] Mohammadi-Balani A , Nayeri M D , Azar A ,et al.Golden Eagle Optimizer: A nature-inspired metaheuristic algorithm[J].Computers & Industrial Engineering, 2020, 152:107050.DOI:10.1016/j.cie.2020.107050.

⛳️ 代码获取关注我

❤️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

🍅 仿真咨询

1.卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3.旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划

4.无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

5.传感器部署优化、通信协议优化、路由优化、目标定位

6.信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号

7.生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化

8.微电网优化、无功优化、配电网重构、储能配置

9.元胞自动机交通流 人群疏散 病毒扩散 晶体生长