【优化求解】非均匀变异的互利自适应缎蓝园丁鸟优化算法求解单目标优化问题附matlab代码

1 简介

针对缎蓝园丁鸟优化(SBO)算法求解精度不高和收敛速度慢等问题,提出一种改进的缎蓝园丁鸟优化(ISBO)算法.首先,引入非均匀变异算子,动态地调整每次迭代园丁鸟个体的搜索步长,使算法能快速高效地寻求全局最优值;其次,采用互利因子对算法的社会部分引入更多组合模式,使其不再单一围绕前一个园丁鸟附近搜索,以获取更好的最优解;最后,为了更好地平衡算法的局部与全局搜索能力,引入余弦变化的惯性权重因子来更新园丁鸟的位置公式.使用收敛速度分析,Wilcoxon检验和8个基准函数对5种算法搜索性能进行对比分析,来评估改进缎蓝园丁鸟优化算法的效率.结果表明,改进算法具有更好的全局搜索能力和求解鲁棒性,同时寻优精度和收敛速度也比原来算法有所增强.

2 部分代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%   Satin Bowerbird Optimizer(SBO)

%%

clc;

clear;

close all;

tic

%% Problem Definition

Function_name='F1';

[lowerbound,upperbound,numbervar,costfcn]=cost_functions(Function_name);

% VarSize=[1 numbervar];  

%% SBO Parameters

[MaxIt,nPop,alpha,pMutation,sigma]=SBO_parameters(lowerbound,upperbound);

%% Initialization

[pop,elite,BestCost]=Initialization(nPop,lowerbound,upperbound,numbervar,MaxIt,costfcn);

%% SBO Main Loop

for it=1:MaxIt

    newpop=pop;

    

    %Calculating the Fitness of each bower

    F=zeros(nPop,1);

    for i=1:nPop

        if pop(i).Cost>=0

            F(i)=1/(1+pop(i).Cost);

        else

            F(i)=1+abs(pop(i).Cost);

        end

    end

    

    %Calculating the probability of each bower

    P=F/sum(F);

    

    %changes at any bower

    for i=1:nPop

        for k=1:numbervar

                

                % Select target bower                 

                j=RouletteWheelSelection(P);

                

                % Calculating Step Size

                lambda=alpha/(1+P(j));

                

                newpop(i).Position(k)=pop(i).Position(k) ...

                    +lambda*(((pop(j).Position(k)+elite(k))/2)-pop(i).Position(k));

                

                % Mutation

            if rand<=pMutation

                newpop(i).Position(k)=newpop(i).Position(k)+(sigma*randn);

              

            end

                

        end  

    

        % Evaluation

        newpop(i).Cost=costfcn(newpop(i).Position);

    

    end 

          

     pop=[pop

         newpop

         ]; %#ok

  

    % Sort Population

    [~, SortOrder]=sort([pop.Cost]);

    pop=pop(SortOrder);

    pop=pop(1:nPop);

    

    % Update Best Solution Ever Found

    BestSol=pop(1);

    elite=BestSol.Position;

    

    % Store Best Cost Ever Found

    BestCost(it)=BestSol.Cost;

    

    % Show Iteration Information

    

    disp(['SBO:: Iteration-> ' num2str(it) '<----->Best Cost = ' num2str(BestCost(it))]);

    

end

toc

%% Results

disp(['BestSol=' num2str(elite)]);

disp(['BestCost=' num2str(BestSol.Cost)]);

figure;

semilogy(BestCost,'LineWidth',2);

xlabel('Iteration');

ylabel('Best Cost');

img =gcf;  %获取当前画图的句柄

print(img, '-dpng', '-r600', './img.png')         %即可得到对应格式和期望dpi的图像

3 仿真结果

4 参考文献

[1]王依柔、张达敏、樊英. 非均匀变异的互利自适应缎蓝园丁鸟优化算法[J]. 计算机工程与科学, 2020, 42(12):9.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。