和声搜索 matlab,和声搜索算法及其实现【MATLAB】

和声搜索算法

前言

最近需要使用智能算法求解组合优化问题，希望也尝试一下和声搜索算法，然在网上只找到了主要是介绍原理的论文和博文，源码甚少，只得自己照着书上的原理摸索着敲了敲，感觉效果不错，如有错误恳请大佬指正，如有帮到一些朋友望不吝点个赞再走，谢谢。

原理

和声搜索算法模拟音乐演奏寻找一个极好的和声过程，类同于优化算法寻找目标函数值的最优状态。

在和声搜索算法中，一个解对应一个和声，和声的分量对应一个乐器的音调，即一个和声由若干个音调组成。

和声搜索算法首先初始化生成和声记忆库；其次基于某种策略产生一个新和声；再次计算新和声的适应度，并基于更新策略更新和声记忆库；最后迭代这个过程，直到产生一个满足条件的和声为止。

测试例子

求 f

(

x

)

=

(

x

1

−

2

)

2

+

(

x

2

−

3

)

4

+

(

x

3

−

1

)

2

+

3

f(x) = (x_1-2)^2+(x_2-3)^4+(x_3-1)^2+3f(x)=(x1​−2)2+(x2​−3)4+(x3​−1)2+3 的最小值，理论上 f

(

x

)

f(x)f(x)的最小值为3。

下面通过使用matlab编写和声搜索算法来求解此问题。

主程序

%%%实值和声搜索算法求函数极值%%%

% 初始化

clear all; %清除所有变量

close all; %清图

clc; %清屏

HMS=3; %和声库的大小

HMCR=0.95; %记忆库取值概率

PAR=0.1; %微调概率

bw=1; %音调微调带宽

Tmax=200; %创作的次数

M=3; %乐器(变量)个数

Mmin=[-5 -5 -5]; %乐器的音调下限

Mmax=[5 5 5]; %乐器的音调上限

% 和声记忆库初始化

X=zeros(HMS,M);

% 随机产生和声记忆库

for i=1:HMS

for j=1:M

X(i,j)=rand()*(Mmax(j)-Mmin(j))+Mmin(j);

end

end

% 初始化新的乐器组合

xnew=zeros(1,M);

% 初始化最优解为第一个乐器组合

yBest=func(X(1,:));

xBest=X(1,:);

% 迭代周期为Tmax

for iter=1:Tmax

iter;

% 以概率HMCR在和声库中随机选取

if rand()

xnew=X(round(rand()*(HMS-1))+1,:);

% 以概率1-HMCR在乐器音调范围内随机产生

else

for j=1:M

xnew(j)=rand()*(Mmax(j)-Mmin(j))+Mmin(j);

end

end

% 以概率PAR进行扰动

if rand()

for j=1:M

xnew(j)=xnew(j)+2*bw*rand()-bw;

end

end

% 计算新乐器组合的和声为ynew

ynew=func(xnew);

% 更新和声库，判断新解是否比和声库中最差的解更好，是则替换

for j=1:HMS

if ynew

X(j,:)=xnew;

break;

end

% 记录最美的和声

if yBest>func(X(j,:))

yBest=func(X(j,:));

xBest=X(j,:);

end

end

% 记录每个周期的最美和声

trace(iter)=yBest;

tracef(iter,:)=xBest;

end

% 绘制结果

xBest %最好和声组合

trace(end) %最好和声

figure

plot(trace)

xlabel('迭代次数')

ylabel('目标函数值')

title('适应度进化曲线')

目标函数

%适应度函数:和声效果%

function result = func(x)

result = (x(1)-2).^2+(x(2)-3).^4+(x(3)-1).^2+3;

测试结果图

由上图可以看出，和声搜索算法能够较快收敛到最优解3附近，效果不错。

参考文献

[1] 智能优化算法与涌现计算／李士勇，李研，林永茂编著．—北京：清华大学出版社，2019.