麻雀搜索算法

最新推荐文章于 2024-06-29 21:10:27 发布

往事五块两毛一

最新推荐文章于 2024-06-29 21:10:27 发布

阅读量506

点赞数

分类专栏： Python 文章标签： 1024程序员节

本文链接：https://blog.csdn.net/qq_43641475/article/details/127493602

版权

这篇博客介绍了作者对麻雀搜索算法的学习和理解，包括算法的初始化阶段和如何更新发现者及追随者的位置，旨在为以后的使用提供便利。

摘要由CSDN通过智能技术生成

#麻雀算法
此篇是我自己学习优化算法的一些代码，为了方便自己以后使用
初始化阶段

def __init__(self, func, n_dim=None, pop_size=20, max_iter=50, lb=-512, ub=512, verbose=False):
        self.func = func
        self.n_dim = n_dim  # dimension of particles, which is the number of variables of func
        self.pop = pop_size  # number of particles
        P_percent = 0.2 # # 生产者的人口规模占总人口规模的20%
        D_percent = 0.1 # 预警者的人口规模占总人口规模的10%
        self.pNum = round(self.pop * P_percent)  # 生产者的人口规模占总人口规模的20%
        self.warn = round(self.pop * D_percent)  # 预警者的人口规模占总人口规模的10%

        self.max_iter = max_iter  # max iter
        self.verbose = verbose  # print the result of each iter or not

        self.lb, self.ub = np.array(lb) * np.ones(self.n_dim), np.array(ub) * np.ones(self.n_dim)
        assert self.n_dim == len(self.lb) == len(self.ub), 'dim == len(lb) == len(ub) is not True'
        assert np.all(self.ub > self.lb), 'upper-bound must be greater than lower-bound'

        self.X = np.random.uniform(low