💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
本文章将介绍一种改进的天鹰优化算法和非洲秃鹫混合优化算法,用于全局优化,主要突出三个亮点,分别为AO与AVOA算法的混合、FDB选择方法及基于对立的复合学习。全局优化算法是最优化算法出现后众多优化工作者和优化应用问题所追求的算法,但是除了线性规划和凸规划以外,其他优化问题的全局优化算法难度较大。目前填充函数算法是用来求解非线性全局优化问题的一类有效且可行的方法,但已有的填充函数由于存在指数项和较多参数而导致数值实验效果不理想,所以对非洲秃鹫优化算法融和一系列改进策略,提出了一种改进非洲秃鹫优化算法。下面通过MATLAB软件对其进行编码实现。
📚2 运行结果
部分代码如下
clear all
close all
clc
N=30;
T=500;
Function_name='F5'; % Name of the test function that can be from F1 to F23 (Table 1,2,3 in the paper)
[lb,ub,dim,fobj]=Get_F(Function_name);
[ao_score,ao_pos,ao_curve]=AO(N,T,lb,ub,dim,fobj);
[avoa_score,avoa_pos,avoa_curve]=AVOA(N,T,lb,ub,dim,fobj);
[ihaoavoa_score,ihaoavoa_pos,ihaoavoa_curve]=IHAOAVOA(N,T,lb,ub,dim,fobj);
disp('***********************************************AO')
disp(['AO mean:',num2str(ao_score,'%.2E')])
disp('***********************************************AVOA')
disp(['AVOA mean:',num2str(avoa_score,'%.2E')])
disp('***********************************************IHAOAVOA')
disp(['IHAOAVOA mean:',num2str(ihaoavoa_score,'%.2E')])
figure('Position',[454 445 694 297]);
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])
subplot(1,2,2);
semilogy(ao_curve,'Color','b','linewidth',1.5)
hold on
semilogy(avoa_curve,'Color','y','linewidth',1.5)
semilogy(ihaoavoa_curve,'Color','r','linewidth',2)
title(Function_name)
xlabel('Iteration');
ylabel('Fitness ');
axis tight
legend('AO','AVOA','IHAOAVOA');
🎉3 参考文献
部分理论来源于网络,如有侵权请联系删除。
[1]Yaning Xiao, Yanling Guo, Hao Cui, Yangwei Wang, Jian Li, Yapeng Zhang (2022)
[2]贾鹤鸣,刘庆鑫,刘宇翔,王爽,吴迪.融合动态反向学习的阿奎拉鹰与哈里斯鹰混合优化算法[J].智能系统学报,2023,18(01):104-116.