RT，想写个课程报告，比如共同针对Sphere函数，几种群智能算法的性能对比，下载了陆振波的“群体智能算法”Matlab工具箱 Version 2.0，但是不知道怎么使用，
% “群体智能算法”Matlab工具箱 Version2.0 试用版
% "Swarm Intelligence Alogrihtm" Matlab Toolbox - trial version 2.0
%
% 工具箱简要使用说明：
% 1、集成了八种群体智能算法：'PPNGA','SFLA','MSFLA','AF-SFLA','PSO','ABC','DEr1','DEb2'
% 2、适应度函数开放了一个参数Parmaters，接收本文件Options.Parmaters传递的参数，实例参见m文件F3_Rastrigin.m
% 3、本程序设置了三个终止条件，终止条件3是必需的；终止条件1,2是可选的，不需要时隐去代码即可
% 4、在优化参数设置中，小种群设置与大种群设置各有优势，实际工程问题不一定哪一种设置更好，要根据实验结果来确定
% 5、在算法参数设置中，缺省设置一般不需要改动，除非在原理上对改动所引起的结果变动有着更深入的理解
%
% 接口文件
% Main_SwarmIntelligence_Interface.m
%
% 适应度函数文件
% F0_Yours.m
% F1_Sphere.m
% F2_Rosenbrock.m
% F3_Rastrigin.m
% F4_Griewank.m
% F5_Schaffer.m
%
% 特别提示: 采用以下三种方法来可有效克服随机初始化带来的局部极小问题
% 1、若干次运行取最优
% 2、增加进化代数maxgen
% 3、加大种群规模popsize
%
clc
clear
close all
warning off all
%--------------------------------------
% 优化函数定义(函数详细说明参见m文件：Options.fitness)
% Options.dim = 3; % 优化函数的维数
% Options.fitness = 'F0_Yours'; % 优化函数
% Options.maxmin = -1; % 极值类型(1最大值，-1最小值)
% Options.Lb = -5.12; % 参数下界(各维可分别设置)
% Options.Ub = 5.12; % 参数上界(各维可分别设置)
Options.dim = 30; % 优化函数的维数
Options.fitness = 'F1_Sphere'; % 优化函数
Options.maxmin = -1; % 极值类型(1最大值，-1最小值)
Options.Lb = -100; % 参数下界(各维可分别设置)
Options.Ub = 100 ; % 参数上界(各维可分别设置)
%Options.dim = 30; % 优化函数的维数
%Options.fitness = 'F2_Rosenbrock'; % 优化函数
%Options.maxmin = -1; % 极值类型(1最大值，-1最小值)
%Options.Lb = -30; % 参数下界(各维可分别设置)
%Options.Ub = 30; % 参数上界(各维可分别设置)
% Options.dim = 30; % 优化函数的维数
% Options.fitness = 'F3_Rastrigin'; % 优化函数
% Options.maxmin = -1; % 极值类型(1最大值，-1最小值)
% Options.Lb = -100; % 参数下界(各维可分别设置)
% Options.Ub = 100; % 参数上界(各维可分别设置)
% Options.Parmaters = 10; % 优化函数Options.fitness参数
% Options.dim = 30; % 优化函数的维数
% Options.fitness = 'F4_Griewank'; % 优化函数
% Options.maxmin = -1; % 极值类型(1最大值，-1最小值)
% Options.Lb = -600; % 参数下界(各维可分别设置)
% Options.Ub = 600; % 参数上界(各维可分别设置)
% Options.dim = 30; % 优化函数的维数
% Options.fitness = 'F5_Schaffer'; % 优化函数
% Options.maxmin = -1; % 极值类型(1最大值，-1最小值)
% Options.Lb = -100; % 参数下界(各维可分别设置)
% Options.Ub = 100; % 参数上界(各维可分别设置)
%--------------------------------------------------------------------------
% 优化参数设置
% 大种群设置
Options.show = 10; % 显示间隔
Options.popsize = 200; % 种群规模
Options.maxgen = 500; % 终止条件3(到达最大进化代数，程序终止)
Options.localmin = 50; % 终止条件1(输出连续localmin次不更新，程序终止，隐去无效)
Options.tolfun = 1e-16; % 终止条件2(输出到达tolfun，程序终止，隐去无效)
% 小种群设置(与大种群设置各有优势
% Options.show = 100; % 显示间隔
% Options.popsize = 20; % 种群规模
% Options.maxgen = 5000; % 终止条件3(到达最大进化代数，程序终止)
% Options.localmin = 200; % 终止条件1(输出连续localmin次不更新，程序终止，隐去无效)
% Options.tolfun = 1e-16; % 终止条件2(输出到达tolfun，程序终止，隐去无效)
%--------------------------------------------------------------------------
% 算法参数设置(以下为缺省设置，一般不需要改动，除非在原理上对改动所引起的结果变动有着更深入的理解)
% Options.seed = sum(100*clock); % 初始化随机种子(使用此项，各算法初始化群体相同)
% Options.quick = 5; % 最优解加速次数(为0时,扰动算子无效)
% Options.Pc = [0.6,0.99]; % 自适应交叉概率(交叉算子)
% Options.Pm = [0.01,0.1]; % 自适应变异概率(变异算子)
% Options.c1 = 2; % 加速系数1(粒子群算法，PSO)
% Options.c2 = 2; % 加速系数2(粒子群算法，PSO)
% Options.w1 = 0.9; % 惯性权系数1(粒子群算法，PSO)
% Options.w2 = 0.4; % 惯性权系数2(粒子群算法，PSO)
% Options.limit = 50; % 侦察蜂控制参数(蜂群算法，ABC)
% Options.F = [0,1]; % 缩放因子(差分进化算法,DEr1，DEb2)
% Options.CR = [0.8,1]; % 交叉概率(差分进化算法,DEr1，DEb2)
%--------------------------------------------------------------------------
% 函数调用
[x1,f1,F1] = SwarmIntelligence(Options,'PPNGA'); % 伪并行小生境遗传算法(PPNGA)
% [x2,f2,F2] = SwarmIntelligence(Options,'SFLA'); % 标准混合蛙跳算法(SFLA)
% [x3,f3,F3] = SwarmIntelligence(Options,'MSFLA'); % 改进混合蛙跳算法(MSFLA)
% [x4,f4,F4] = SwarmIntelligence(Options,'AF_SFLA'); % 鱼群(AF)，SFLA混合算法
% [x5,f5,F5] = SwarmIntelligence(Options,'PSO'); % 标准粒子群算法(PSO)
% [x6,f6,F6] = SwarmIntelligence(Options,'ABC'); % 蜂群算法(ABC)
% [x7,f7,F7] = SwarmIntelligence(Options,'DEr1'); % 标准差分算法(DE/rand/1/bin)
%[x8,f8,F8] = SwarmIntelligence(Options,'DEb2'); % 标准差分算法(DE/best/2/bin)
% 输入参数:
% Options - 优化参数设置
% Options.dim - 优化函数的维数
% Options.fitness - 优化函数
% Options.Parmaters - 优化函数Options.fitness参数
% Options.maxmin - 极值类型：1最大值，-1最小值
% Options.Lb - 参数下界
% Options.Ub - 参数上界
%
% Options.show - 显示间隔
% Options.popsize - 种群规模
% Options.maxgen - 终止条件3(到达最大进化代数，程序终止)
% Options.localmin - 终止条件1(输出连续localmin次不更新，程序终止，隐去无效)
% Options.tolfun - 终止条件2(输出到达tolfun，程序终止，隐去无效)
%
% Options.seed - 初始化随机种子，缺省值sum(100*clock)(使用此项，各算法初始化群体相同)
% Options.quick - 最优解加速次数，缺省值5(为0时,扰动算子无效);
% Options.Pc - 自适应交叉概率(交叉算子),缺省值[0.6,0.99];
% Options.Pm - 自适应变异概率(变异算子),缺省值[0.01,0.1];
% Options.c1 - 加速系数1(粒子群算法,PSO),缺省值2;
% Options.c2 - 加速系数2(粒子群算法,PSO),缺省值2;
% Options.w1 - 惯性权系数1(粒子群算法,PSO),缺省值0.9;
% Options.w2 - 惯性权系数2(粒子群算法,PSO),缺省值0.4;
% Options.limit - 侦察蜂控制参数(蜂群算法,ABC),缺省值50;
% Options.F - 缩放因子(差分进化算法,DEr1，DEb2),缺省值[0,1];
% Options.CR - 交叉概率(差分进化算法,DEr1，DEb2),缺省值[0.8,1];
%
% Algorithm - 算法
% 'MSFLA' - 改进混合蛙跳算法(MSFLA)
% 'SFLA' - 标准混合蛙跳算法(SFLA)
% 'PPNGA' - 伪并行小生境遗传算法(PPNGA)
% 'AF_SFLA' - 鱼群(AF)，SFLA混合算法
% 'ABC' - 蜂群算法(ABC)
% 'PSO' - 标准粒子群算法(PSO)
% 'DEr1' - 标准差分进化算法(DE/rand/1/bin)
% 'DEb2' - 标准差分进化算法(DE/best/2/bin)
%
% 输出参数:
% x - 最优解
% f - 最优适应度
% F - 各代最优适应度
%--------------------------------------------------------------------------
% 结果作图
figure; xlabel('gen'); ylabel('log10(F)'); title(Options.fitness(4:end)); hold on
plot(log10(F1),'b.-');
%plot(log10(F2),'m.-');
%plot(log10(F3),'k.-');
%plot(log10(F4),'c.-');
% plot(log10(F5),'g.-');
% plot(log10(F6),'.-','color',[0.4 0.4 0.4]);
% plot(log10(F7),'y.-');
%plot(log10(F8),'r.-');
legend('PPNGA','SFLA','MSFLA','AF-SFLA','PSO','ABC','DEr1','DEb2');
hold off;
602
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
