一、飞狐优化算法简介
飞狐优化算法(Flying Foxes Optimization,FFO)由Konstantinos Zervoudakis与Stelios Tsafarakis于2022年提出。
参考文献:Zervoudakis, K., Tsafarakis, S. A global optimizer inspired from the survival strategies of flying foxes. Engineering with Computers (2022). https://doi.org/10.1007/s00366-021-01554-w
1.1 FFO算法流程图:
1.2 FFO算法描述:
二、CEC2017简介
CEC2017共有30个无约束测试函数分别是:单峰函数(F1-F3)、简单多峰函数(F4-F10)、混合函数(F11-F20)和组合函数(F21~F30)。测试维度包含:10D、30D、50D、100D。CEC2017无约束测试问题随着维度的增加求解极其困难。
三、求解结果
将飞狐优化算法运用于求解CEC2017中30个无约束函数,其中每个测试函数可以选择的维度分别有:10D、30D、50D、100D。增大迭代次数,SSA的求解效果更佳。本例测试函数维度均为为10D(可根据自己需求调整),最大迭代次数为5000次。
%%
clc;
clear;
close all;
Function_name=3; %测试函数1-30
LowerBound=-100;%变量下界
UpperBound=100;%变量上界
dim=10;%维度 10/30/50/100
maxgen=5000;%最大迭代次数
ObjectiveFunction=str2func('cec17_func');
部分求解结果:
3.1 F1:
3.2 F2:
3.3 F3:
3.4 F4:
四、参考代码
源文件夹包含FFO求解CEC2017的所有代码,测试函数共30个。每个函数可选择维度分别为:10、30、50与100。直接点击FFO.m文件直接运行,支持二次开发。