灰狼算法解决简单二元函数最小值问题

原理引用

链接: https://blog.csdn.net/u011835903/article/details/107716390.

小结

对引用链接的小结

公式（1）（2）是灰狼算法模拟灰狼捕食的数学表示，但是在实际优化问题中，我们并不知道猎物（最优解）的位置，因此用α、β、δ三个较好的解来代替猎物的位置。所以最终代码中的数学模型是：

粒子群、灰狼小结

群智能体算法的相同点：①随机初始化可能解②其他解向初始解产生的较优解“靠近”（归根结底，这类算法似乎都是引用自然界种群的壳子，只是或多或少添加了种群的特征）。
不同点（灰狼、粒子群）：粒子群算法中，其他的粒子由自身最优和全局最优，根据速度位置公式进行寻优（每次迭代中，全局最优粒子也会有速度和位置的变化）；灰狼算法中，其他候补狼根据三个较好解更新位置，没有速度这个属性（每次迭代中，α、β、δ三个较好的解不会更新位置，只会在每次迭代结束时重新选择较好的灰狼）。

代码

①主函数main

clear all;
close all;
clc;

step = 0.01;

[N,D,Iter,x1,x2,y1,y2] = constant();


[wolves,alpha,beta,delta] = initialization(N,D,x1,x2,y1,y2);
% firstwolves = wolves;

wolves = iteration(Iter,N,D,wolves,alpha,beta,delta,x1,x2,y1,y2);


% figure(1);
% x = x1:0.1:x2;
% y = y1:0.1:y2;
% [X,Y] = meshgrid(x,y);
% Z = (X-1).^2 + (Y-1).^2;
% mesh(X,Y,Z);
% hold on;
% plot3(firstwolves(:,1), firstwolves(:,2), firstwolves(:,3), 'b*');
% hold on;
% plot3(wolves(:,1), wolves(:,2), wolves(:,3), 'r*');
% hold off;

②常数函数constant

function [N,D,Iter,x1,x2,y1,y2] = constant()

N = 30;
D = 2;
Iter = 200;

x1 = -50;
x2 = 50;
y1 = -50;
y2 = 50;

③初始化函数initialization

function [wolves,alpha,beta,delta] = initialization(N,D,x1,x2,y1,y2)

wolves(:,1) = (x2 - x1)*rand(N,1) + x1;
wolves(:,2) = (y2 - y1)*rand(N,1) + y1;

wolves(:,D+1) = fitness(wolves);

[alpha,beta,delta] = select(wolves,D);

④适应度函数fitness

function y = fitness(X)

y = -(X(:,1) - 1).^2 - (X(:,2) - 1).^2 + 5000;

⑤选择函数select

function [x,y,z] = select(X,D)

Y = X;

[~,x] = max(Y(:,D+1));
Y(x,D+1) = inf;
[~,y] = max(Y(:,D+1));
Y(y,D+1) = inf;
[~,z] = max(Y(:,D+1));

⑥迭代函数iteration

% 总结问题：①候选狼每个维度使用不同的参数根据三个最优狼进行捕猎
%          ②对每个维度的位置有必要进行位置限制


function pos = iteration(Iter,N,D,pos,alpha,beta,delta,x1,x2,y1,y2)

firstwolves = pos;
for iter = 1:Iter
    a = 2 - iter*(2/Iter);
    for i = 1:N
        if i~=alpha&&i~=beta&&i~=delta
            for j = 1:D
                c1 = 2*rand;d1 = sqrt(sum((c1*pos(alpha,j) - pos(i,j))^2));
                c2 = 2*rand;d2 = sqrt(sum((c2*pos(beta,j) - pos(i,j))^2));
                c3 = 2*rand;d3 = sqrt(sum((c3*pos(delta,j) - pos(i,j))^2));
                
                a1 = a*(2*rand - 1); p1 = pos(alpha,j) - a1*d1;
                a2 = a*(2*rand - 1); p2 = pos(beta,j) - a2*d2;
                a3 = a*(2*rand - 1); p3 = pos(delta,j) - a3*d3;
                
                pos(i,j) = (p1 + p2 + p3)/3;
                
                if pos(i,1)>x2
                    pos(i,1) = x2;
                end
                if pos(i,1)<x1
                    pos(i,1) = x1;
                end
                if pos(i,2)>y2
                    pos(i,2) = y2;
                end
                if pos(i,2)<y1
                    pos(i,2) = y1;
                end
            end
            
        end
    end
    pos(:,D+1) = fitness(pos);
    [alpha,beta,delta] = select(pos,D);
    
    figure(1);
    x = x1:0.1:x2;
    y = y1:0.1:y2;
    [X,Y] = meshgrid(x,y);
    Z = -(X-1).^2 - (Y-1).^2 + 5000;
    mesh(X,Y,Z);
    hold on;
    plot3(firstwolves(:,1), firstwolves(:,2), firstwolves(:,3), 'b*');
    hold on;
    plot3(pos(:,1), pos(:,2), pos(:,3), 'r*');
    hold off;
    
    
    
    %     show(X);
    pause(0.2);
end

⑦狼群位置变化图像显示函数show

function show(X)

 figure(2);
axis([-50 50 -50 50]);
hold on ;
grid on ;

cla;

plot(X(:,1),X(:,2),'r*');
hold off;