2024年一区SCI-常春藤优化算法Ivy algorithm-附Matlab代码

最新推荐文章于 2024-07-15 22:10:26 发布
最新推荐文章于 2024-07-15 22:10:26 发布
阅读量502 收藏 9
点赞数 5
分类专栏： 智能优化算法 文章标签： 算法 matlab 开发语言 优化算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44028734/article/details/139648510
版权

引言

本期介绍了一种强大的生物启发算法的新建模变体，即常春藤算法(Ivy algorithm, IVYA)，该算法取自常春藤植物的生长模式。该算法模拟了常青藤种群的有序协调增长和常青藤植物的扩散进化过程。该成果于2024年7月发表在中科院1区SCI期刊Knowledge-Based Systems（影响因子：8.8）。

图片

利用微分方程和数据密集的实验过程对常春藤植物的生长速度进行了建模。该算法利用附近常春藤植物的知识来确定生长方向。此外，该算法通过选择最接近和最重要的邻居进行自我完善来模仿自然界中常春藤植物的行为。IVYA的独特特点是保持种群多样性，其简单和灵活，使其易于修改和扩展，从而使研究人员和从业人员能够探索各种修改和技术。

1. 初始化。和其他算法一样，随机初始化

图片

2. 协调有序的物种增长。常春藤是一种随时间生长的蔓生植物。假设常青藤植物的生长速率Gv是由微分方程给出的时间函数。

图片

图片

3.作为获取阳光生长。

图片

4. 传播和进化。在物种i通过搜索空间全局漫游到最近、最重要的邻居ii的阶段之后，有一个阶段，成员Ii试图直接跟随整个种群的最佳成员IBest，这相当于在成员IBest周围寻找更好的最优解

图片

5. 幸存者选择。为了模拟常春藤生命中这两个交替的阶段，爬升和扩张，使用了以下决策方法。当成员Ii的目标函数值f(Ii)小于β* f(Ibest)时，β=(2 + rand)/2。常春藤树开始扩展树枝和叶子的宽度。否则，常春藤就会向上生长，爬升。

IVYA伪代码：

图片

图片

03. 对比验证

原文作者在26个经典测试函数上与其他10种算法进行了比较，证明了其优越的性能。此外，通过求解12个工程优化问题，并与各种优化算法的结果进行比较，证明了IVYA算法的有效性。实验结果显示了IVYA在求解优化问题上的有效性和竞争力。

图片

更多详细结果，请参阅相应的文献。

 

参考文献

Mojtaba Ghasemi, Mohsen Zare, Pavel Trojovský, Ravipudi Venkata Rao, Eva Trojovská, Venkatachalam Kandasamy,Optimization based on the smart behavior of plants with its engineering applications: Ivy algorithm, Knowledge-Based Systems, Volume 295,2024, 111850, https://doi.org/10.1016/j.knosys.2024.111850.

Matlab代码下载

微信搜索并关注-优化算法侠，或扫描下方二维码关注，以算法名字搜索历史文章即可下载。

2024年一区SCI-常春藤优化算法Ivy algorithm-附Matlab代码

点击链接跳转：

340种基础优化算法免费下载-matlab
matlab版的340种基础优化算法免费下载

求解cec测试函数-matlab 

cec2017测试函数使用教程及matlab代码免费下载

cec2018测试函使用教程及matlab代码免费下载

cec2019测试函使用教程及matlab代码免费下载

cec2020测试函使用教程及matlab代码免费下载

cec2021测试函使用教程及matlab代码免费下载

cec2022测试函使用教程及matlab代码免费下载
绘制cec2017/018/2019/2020/2021/2022函数的三维图像教程，SO EASY！

215种群智能优化算法python库

Amazing！Python版215种群智能优化算法icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=1&sn=6b439e55b37b6482b8d3831ca85f1d55&chksm=c12be0c8f65c69de71ad51d3b736b871ff52f8646e90624f95dd32b024dfaad369d654aaf8fc#rd

解决12工程设计优化问题-matlab

略微出手，工程设计问题（12）（附Matlab代码）icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247485052&idx=1&sn=80e5573c1c005ee5640e44935044ee35&chksm=c12bea79f65c636fc73758b4f4893502bd89cbd1c5d15d7db15e8b5c94eeae40450439d44944&token=681266555&lang=zh_CN#rd

求解11种cec测试函数-python

【选择自由，免费下载】215种优化算法求解11种cec测试函数-python代码icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=2&sn=eea8fb04dc507ab9119e2c97c03ca2f6&chksm=c12be0c8f65c69decd6c8109f6b997986bf58725fdbbd7ab03752cb6f61aacdb5a2dc7fec762#rd

解决30种工程设计优化问题-python

【一码解决】215种优化算法求解30个现实世界的工程设计优化问题，让你的论文增色10倍（附Python代码）icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=3&sn=ea6d26ae7cb651e5c368f4c73ade228e&chksm=c12be0c8f65c69de739af72d9793838f59ab77bfee36bc2c204f96e2a9e5c6d87dfbbbae698e#rd

仅需一行，可改进所有优化算法：21种混沌映射方法-混沌初始化（附matlab代码）

用于改进所有优化算法：21种混沌映射方法-混沌初始化（附matlab代码）21种混沌映射方法-混沌初始化，适用于所有优化算法icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486215&idx=2&sn=58f1a69175b0d6431a4c7cdfa114b84d&chksm=c12be702f65c6e14e6bd1ddc33b9cec74991d93303c325853049b7e4afd09039b13083fa79c5&token=25423484&lang=zh_CN#rd

【有经典，有最新】24种信号分解方法（附matlab代码） 

沙场大点兵：24种信号分解方法（附matlab代码）icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486001&idx=1&sn=a87c24cb401017a78a90bd1b1439fcb0&chksm=c12be634f65c6f22368b7229a59ac5ef330b89d710c826dbfd1a1c34a02b1dd7e909c7f40d79&token=25423484&lang=zh_CN#rd

 【分类新范式】27种一维数据转换成二维图像的方法-matlab代码

沙场大点兵：27种一维数据转换成二维图像的方法-matlab代码icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486260&idx=1&sn=81b1970cb89364c0289ccdfb403e5388&chksm=c12be731f65c6e273a85456326b503b7f35d9f035405050932ff1926e0b1bfa8076b1bc2d1f2&token=25423484&lang=zh_CN#rd

88号技师
关注
  • 5
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
包子阳-智能优化算法及其MATLAB实例的程序源代码.zip
09-03
通过这些MATLAB源代码，你可以了解各种智能优化算法的基本原理、实现细节以及在实际问题中的应用。同时，这些实例可以帮助你提升MATLAB编程技巧，加深对算法的理解，并激发你对其他优化算法和问题解决方法的兴趣。...
Matlab：NSGA-Ⅲ优化算法（源代码）
02-28
NSGA-Ⅲ（Non-dominated Sorting Genetic Algorithm Ⅲ，非支配排序遗传算法第三版）是一种多目标优化算法，它在多目标优化领域具有广泛的适用性。NSGA-Ⅲ是NSGA-II的改进版本，通过引入新的概念和策略来提高解决...
2024最新智能优化算法：常春藤算法（Ivy algorithm，LVYA）求解23个函数，提供MATLAB代码
IT猿手
05-31 1020
参考文献Lin。
最新SCI算法：常青藤优化算法（IVY）原理及应用 Python代码
m0_61878377的博客
06-24 811
常青藤优化算法（IVY）是元启发式算法领域的最新研究，有多新？如下图，出版日期**2024年7月8日**。快来尝尝鲜，早用早发文！！！ IVY算法灵感来源于常春藤植物的生长模式，模拟了该植物的协调有序种群增长和扩展进化。和其他的动物行为算法相比，可以说是创意十足。 原作者通过12个工程优化问题的测试，充分证明了LVY算法的优越性；尤其是在解决优化问题方便的强大竞争力。 本期小编将复现该算法的Python算法，进行算法性能测试的同时将LVY算法应用于超参数优化。***完整代码获取见文末***
SCI一区TOP|常青藤优化算法（IVYA）原理及实现【免费获取Matlab代码】
Logic_9527的博客
06-19 972
IVYA模拟常青藤种群的协调有序增长以及扩散和演化过程，其通过一个微分方程和数据密集型的实验过程来建模。IVYA利用附近常青藤的知识来确定生长方向，通过选择最近且最健康的邻居来模拟常青藤在自然中的行为。在成员Ii通过搜索空间全局漫游到最近的邻居Iii的阶段之后，成员Ii试图直接跟随整个种群的最佳成员IBest，这相当于在成员IBest周围寻找更好的最优解。其中，Gv为增长率，φ为生长速度，φ为偏离生长的修正系数。其中，向量ΔGvi(t)和ΔGvi(t1)表示离散时间系统(时刻t和时刻t1)的增长率。
2024年7月SCI-洪水优化算法Flood algorithm-附Matlab免费代码
weixin_44028734的博客
07-05 1033
本期介绍了一种名为的元启发式算法，其灵感来自于河流流域洪水事件中水团的复杂运动和流动模式。该算法具有独特的算法结构和新颖的迭代方法，具有较强的自适应优化能力。该成果于在SCI期刊JOURNAL OF SUPERCOMPUTING。通过对著名的基准优化问题和工程设计问题的应用，证明了该算法的有效性。对CEC2005函数在基本模式和增强模式下使用了16种算法进行了广泛的比较，对CEC2014函数在30、50和100维度上使用了总共20种其他算法进行了比较。这些严谨的研究明确地证实了所提出算法的鲁棒性和强度。
【智能优化算法-瞪羚优化算法】附matlab代码Gazelle optimization algorithm 上传.zip
04-14
2.领域：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，更多内容可点击博主头像 3.内容：标题所示，对于介绍可点击主页搜索博客 4.适合人群：本科，硕士...
经济调度棕熊优化算法附matlab代码Brown-bear-optimization-algorithm.zip
01-23
1.版本：matlab2014/2019a/2021a，内含运行结果，不会运行可私信 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子...
猎人猎物优化算法MATLAB代码，猎食者优化算法代码，Hunter-Prey Optimizer（HPO）代码
06-22
1. 该资源是MATLAB代码，猎人猎物优化算法Hunter-Prey Optimizer（HPO），也叫猎食者优化算法，该算法的灵感来自对动物的猎食，如狮子，豹和狼，以及雄鹿和瞪羚的捕食者，该算法于2022年提出。Reference: Naruei, I....
LC53最大子数组和、lc5最长回文子串、lc283移动零
m0_47536537的博客
07-14 226
请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。连续子数组 [4,-1,2,1] 的和最大，为 6。移动到数组的末尾，同时保持非零元素的相对顺序。，必须在不复制数组的情况下原地对数组进行操作。"aba" 同样是符合题意的答案。是数组中的一个连续部分。，编写一个函数将所有。LC53最大子数组和。
算法014：找到字符串中所有字母异位词
m0_62319039的博客
07-14 460
算法014：找到字符串中所有字母异位词
代码随想录算法训练营第三十二天
weixin_44791877的博客
07-14 246
这道题自己思考ac出来了，主要是这道题需要使用二维的dp数组进行规划，由于动归是递推的，所以从结果向前思考，因此到右下角的方法只能由右下角这个格子或者左边这个格子走过来，因此右下角这个格子的方法数应该等于上一个格子的方法数加上左边这个格子的方法数。值得注意的是只有一行的或者一列的每个格子都只有1种方法，还有就是多行多列的边界格子也是只有一种方法，这个也是要初始化的。然后初始化边界的时候在障碍物之前的都初始化为1，障碍物以及障碍物之后的都初始化为0；首先几个特殊情况 当障碍物在起点或者终点的话直接返回0；
树与二叉树
最新发布
2201_76027754的博客
07-15 789
树和二叉树
摩尔投票算法
qq_55846232的博客
07-14 483
摩尔投票算法的介绍以及相关例题的讲解
手撕七大排序(三)
Zbldx的博客
07-14 324
手撕七大排序 （三）
【C++】B3716分解质因子3 题解_素数筛法_欧拉筛+埃氏筛_算法竞赛
YLCHUP的博客
07-14 714
洛谷B3716题解，一道巧妙的质数筛法变形题，讲解得很详细，适合中等水平学习。快来看ヾ(•ω•`)o
【JavaScript 算法】哈希表：快速查找与存储
Allen-
07-15 794
哈希表（Hash Table）是一种非常高效的数据结构，用于实现快速的查找和存储操作。通过使用哈希函数将数据映射到数组中的某个位置，哈希表能够在常数时间内完成插入、删除和查找操作。
基于双层优化算法求解多目标优化文题附matlab代码bilevel optimization algorithm
05-13
双层优化算法是一种用于解决多目标优化问题的方法，它将优化问题划分成两个层次：上层和下层。 在上层，我们定义一个目标函数来最小化或最大化一些参数，这些参数是在下层的子问题中定义的。在下层的子问题中，我们通过优化一组约束条件来获得结果，这些约束条件来自于上层定义的优化目标函数。 双层优化算法的优点是能够同时考虑多个目标函数，且在解决高维问题时表现出色。在实现过程中，可以使用各种方法来构建优化函数和约束条件，并采用不同的求解技术来获得最优解。 下面是一个基于双层优化算法的多目标优化问题的MATLAB代码： %Step 1: Set up the upper level optimization problem x0 = [0.5; 0.5]; %Initial guess for x variable options = optimoptions('fmincon','Display','iter','Algorithm','sqp'); %Set options for optimizer [obj_upper, obj_lower] = evalUpperLevelObj(x0); %Evaluate objective function for upper level lower_level = @(y)evalLowerLevelObj(y,obj_upper); %Define lower level objective function nonlcon_lower = @(y)evalLowerLevelConstraints(y,obj_upper); %Define lower level constraint function %Step 2: Solve the lower level optimization problem Y = fmincon(lower_level,[0;0],[],[],[],[],[],[],nonlcon_lower,options); %Solve the lower level problem using fmincon %Step 3: Evaluate the upper level objective function using results of lower level problem [obj_upper,obj_lower] = evalUpperLevelObj(Y); %Evaluate the upper level objective function %Step 4: Repeat steps 2-3 until convergence is achieved while abs(obj_upper-obj_upper_prev)>0.01 %Convergence criterion obj_upper_prev = obj_upper; %Save previous upper level objective function value Y = fmincon(lower_level,[0;0],[],[],[],[],[],[],nonlcon_lower,options); %Solve lower level problem again [obj_upper,obj_lower] = evalUpperLevelObj(Y); %Evaluate upper level objective function again end function [obj_upper,obj_lower] = evalUpperLevelObj(x) %Upper level objective function obj_upper = [x(1).^2+x(2).^2; (x(1)-1).^2+x(2).^2]; %Two objectives (minimize both) obj_lower = []; %No lower level objective function end function [obj_lower] = evalLowerLevelObj(y,obj_upper) %Lower level objective function obj_lower = [y(1).^2+y(2).^2-obj_upper(1); (y(1)-1).^2+y(2).^2-obj_upper(2)]; %Two constraints (less than zero) end function [c,ceq] = evalLowerLevelConstraints(y,obj_upper) %Lower level constraint function c = []; %No inequality constraints ceq = [y(1)+y(2)-obj_upper(1); y(1)*y(2)-obj_upper(2)]; %Two equality constraints (equal to zero) end 以上是一段简单的实现，可以根据实际问题和具体的优化目标进行修改和改进。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值