向外搜索（OS）算法是一种新算法，旨在为改进进化算法的收敛性提供多种形式（Matlab代码实现）

 

💥💥💞💞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

📚2 运行结果

🌈3 Matlab代码实现

🎉4 参考文献

---

💥1 概述

向外搜索（OS）算法是一种新算法，旨在为改进进化算法的收敛性提供多种形式（Matlab代码实现）OS不是使用新功能，而是使用进化算法的微分向量方程执行。本研究推荐了三种操作系统方案，以获得提高进化算法性能的解决方案。第一个使用算法的原始方程来生成操作系统解决方案或候选解决方案。第二种利用原始方程为一个人同时生成OS解决方案和候选解决方案。最后一种使用另一种算法的方程为所研究的算法创建操作系统解决方案。使用CEC2015基准测试套件检查了三种生物启发算法，以比较所提出的OS方案的各自性能。比较结果表明，从当前区域向外搜索区域优于检查通过基于对立的学习获得的对立位置。

📚2 运行结果

部分代码：

%
clc;
clear;
close all;

ZZZ=1;

inidown=-10;
iniup=10;
down=-10;
up=10;
op=0;
goal=0;

D = 10;
N = 20;

func_num=1;
switch (func_num)
    case (1)
        CostFunction=@Ackley
    case (2)
        CostFunction=@Rastrigin
    case (3)
        CostFunction=@Rosenbrock
    case (4)
        CostFunction=@Sphere
end
        
for iz=1:ZZZ
    options.iterations = 30000;
        options.space = [down up];
        options.inispace = [inidown iniup];
        nvars=D;

        options.population = N;    
      
        options.Goal = goal;
        options.op = op;

        % search space
        if size(options.space,1) == 1
            for i=1:nvars
                space(i,:)=options.space;
            end
        end
        options.space=space;
        % initial space
        if size(options.inispace,1) == 1
            for i=1:nvars
                inispace(i,:)=options.inispace;
            end
        end
        options.inispace=inispace;

        %%%%  please find Table 9 in An outward search (OS) to increase population diversity for optimization algorithms
        [WP, FVAL, OUTPUT] = PSO_sub(CostFunction, nvars, options);  % original PSO
        pause
        [WP, FVAL, OUTPUT] = PSO_sub_OS3(CostFunction, nvars, options); %PSO(OS3) refers to Algorithm 3
        pause
        [WP, FVAL, OUTPUT] = PSO_sub_OBL(CostFunction, nvars, options); %PSO(OBL) refers to OBL
    end %iz
 

🌈3 Matlab代码实现

🎉4 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]Tsai, Hsing-Chih. “An Outward Search to Increase Population Diversity for Optimization Algorithms.” Applied Soft Computing, Elsevier BV, Aug. 2022, p. 109572, doi:10.1016/j.asoc.2022.109572.