优化算法
文章平均质量分 92
长安程序猿
这个作者很懒,什么都没留下…
展开
-
【多目标优化算法】多目标蚱蜢优化算法(Matlab代码实现)
摘要本文从自然界中草蜢群的导航出发,提出了一种新的多目标算法。结果表明,在获得的帕累托最优解及其分布的准确性方面,所提出的算法能够提供非常有竞争力的结果。在优化领域,1977年,霍兰德提出了一个革命性的想法,在计算机中模拟自然界的进化概念,以解决优化问题[1]就在那一刻,最著名的启发式算法——遗传算法(GA)[2]应运而生,并为解决不同研究领域中的挑战性和复杂问题开辟了一条新途径。在遗传算法中,选择概率较高的最适者,以类似于自然界的方式参与创造下一个种群。事实上,达尔文的进化论是这个算法的主要灵感来源。原创 2023-07-01 13:53:03 · 174 阅读 · 0 评论 -
【单目标优化算法】杂草优化算法(Matlab代码实现)
其中,Fx代表当前解的适应度,Fmin代表当前种群中所有解的最小适应度,Fmax代表代表当前种群中所有解的最大适应度。对应到最优解搜索问题中,接近最优解的解具有更强的适应度,会产生更多的子代个体(下一代的解)。远离最优解的解具有较低适应度,会产生较少的下一代个体。(当搜索最小值的时候,函数值最小的解适应度最大)随机生成一定数量的初始解(杂草),这些初始解(杂草)随机地均匀地分布在搜索空间(草原)内。现实世界中,不同杂草在草原上的适应度不同,适应度高的个体生长旺盛,将会产生更多的子代种子。原创 2023-06-29 19:37:47 · 508 阅读 · 0 评论 -
【多种优化算法比较】混沌引力搜索算法(CGSA)(Matlab代码实现)
然后,该算法经过多次迭代,每次迭代都给出可行的候选解决方案,直到满足条件的结束。已经看到,如果优化算法具有良好的探索能力,那么它将缺乏良好的开发能力,反之亦然(简单来说,如果一个优化算法以高性能解决了某个问题,那么它在解决其他类型的优化问题时很有可能表现不佳。研究人员使用各种优化技术,如GA,PSO,DE,GSA,BBO,来解决其他领域的应用问题。,1995),基于蚂蚁搜索行为的ACO (Dorigo and Caro, 1995),BBO (Simon,此外,还有数学驱动的优化算法,如SCA(原创 2023-06-28 19:09:56 · 115 阅读 · 0 评论 -
【单目标优化算法】沙猫群优化算法(Matlab代码实现)
该算法以平衡的方式控制勘探和开发阶段的过渡,在以较少的参数和操作找到良好的解决方案方面表现良好。启发式算法和元启发式算法都是近似算法的家族,不能保证找到最优解,但得到的解可能更接近最优解,复杂度和实际执行时间更好。元启发式方法不会落入局部陷阱,此外,它们更加灵活,并试图通过简单的实施在更短的时间内以更少的流程成本在全球搜索领域找到最佳解决方案。作者纠正了这两种算法的缺点,并因此证明了他们提出的方法具有快速的收敛速度和强大的全局搜索能力,并且在寻找解决方案方面是准确的。ACO算法模拟蚂蚁的觅食行为。原创 2023-06-23 17:50:12 · 161 阅读 · 0 评论 -
【单目标优化算法】孔雀优化算法(Matlab代码实现)
代表当前最优解的五只孔雀也会通过旋转跳动机制在附近的搜索空间中搜索,而不是静止不动。受孔雀群智能行为的启发,POA的设计包括有效和高效的探索性和剥削性搜索算子,以在全球探索和局部开发之间提供适当的权衡,以避免局部最优,例如孔雀独特的旋转舞蹈操作,孔雀和孔雀幼崽在不同搜索阶段的自适应搜索行为,以及不同搜索阶段的相互作用 孔雀;孔雀幼崽和孔雀幼崽在整个搜索过程中都倾向于采用适应性搜索和接近机制,动态调整其不同阶段的行为,从而实现局部开发与全球探索之间的适当平衡。4 Matlab代码及详细文章。原创 2023-06-22 21:55:14 · 202 阅读 · 0 评论 -
【改进算法】混合鲸鱼WOA和BAT算法(Matlab代码实现)
㼿鲸鱼优化算法(whale optimization algorithm, WOA)是一种受自然启发的元启发式优化算法,由Mirjalili和Lewis于2016年提出。㼿因此,本文对WOA进行了系统的meta分析调查,以帮助研究者将其应用于不同领域或与其他常用算法进行混合。本文从WOA的算法背景、特点、局限性、改进、杂交和应用等方面对WOA进行了深入介绍。㼿en,建立了WOA修饰和杂交的统计结果,并与最常用的优化算法和WOA进行了比较。此外,我们的研究为提出一种混合WOA和BAT算法的新技术铺平了道路。原创 2023-06-17 13:46:40 · 203 阅读 · 0 评论 -
狐狸优化算法(Matlab代码实现)
本文提出了一种新的受自然启发的优化算法,称为狐狸优化器(Fox),该算法模拟了狐狸在自然界中捕食猎物时的觅食行为。FOX算法还与蜻蜓优化算法(DA)、粒子群优化(PSO)、适应度相关优化(FDO)、灰狼优化(GWO)、鲸鱼优化算法(WOA)、黑猩猩优化算法(ChOA)、蝴蝶优化算法(BOA)和遗传算法(GA)进行了比较。本文还使用FOX来解决工程问题,例如压力容器设计,并且还用于解决发电:经济负荷分配问题。FOX在针对GWO、PSO、WOA和FDO优化问题方面取得了更好的结果。详细文章讲解见第4部分。原创 2023-06-04 18:50:06 · 245 阅读 · 0 评论 -
【改进粒子群优化算法】自适应惯性权重粒子群算法(Matlab代码实现)
[1]李国庆,陈厚合.改进粒子群优化算法的概率可用输电能力研究[J].中国电机工程学报,2006(24):18-23.原创 2023-05-29 15:23:41 · 955 阅读 · 0 评论 -
【单目标优化算法】海鸥优化算法(Matlab代码实现)
1]杨硕,叶鹏,刘俐利,王欢,孙峰.基于海鸥算法的综合能源系统优化规划研究[J].沈阳工程学院学报(自然科学版),2022,18(04):62-69.DOI:10.13888/j.cnki.jsie(ns).2022.04.012.[2]李大华,聂前,田禾,付文成,杜洋.改进海鸥优化算法在光伏系统MPPT中的应用[J].电源技术,2022,46(05):556-559.%按适应度排序,X(1,:)代表最优位置,X(end,:)代表最差位置。%% 海鸥算法子函数。原创 2023-05-06 23:35:31 · 806 阅读 · 0 评论 -
【单目标优化算法】樽海鞘群算法(Matlab代码实现)
文献中的其他群体智能技术包括:人工蜂群(ABC)算法[11],布谷鸟搜索(CS)算法[12],萤火虫算法(FA)[13],蝙蝠算法(BA)[14],灰狼优化器(GWO)[15],[16],[17],海豚回声定位(DE)[18],鲸鱼优化算法(WOA)[19],果蝇优化算法(FOA)[20]和和谐搜索[21],[22]。进化算法模仿自然界中的进化概念。文献中还有其他几种进化算法,如差分进化(DE)[4],进化策略(ES)[5]和进化规划(EP)[6],[7]和基于生物地理学的优化(BBO)算法[8]。原创 2023-05-06 15:54:14 · 527 阅读 · 0 评论 -
【单目标优化算法】烟花优化算法(Matlab代码实现)
通过模拟烟花爆炸的方式来进行多点同时爆炸式搜索,这也许是一种高效的搜索方式,是有别于现有其他方法的新型搜索方法,从而有了研究这种爆炸搜索方式的想法,当时为其取名烟花算法(fireworks algorithm,FWA)。虽然烟花算法这个名称比较直观和简洁,但是由于它没有直接与优化等求解问题建立直接的联系,此后有些研究人员有时也用其他别称来称呼我们的烟花算法,如烟花优化算法、烟花爆炸算法、烟花爆炸优化算法、烟花爆炸搜索算法、爆炸搜索方法等。4 Matlab代码实现。原创 2023-05-05 22:00:30 · 680 阅读 · 0 评论 -
【改进灰狼优化算法】混沌灰狼优化算法(Matlab代码实现)
混沌灰狼优化算法训练多层感知器原创 2023-03-16 09:29:20 · 1791 阅读 · 1 评论 -
【改进灰狼优化算法】改进收敛因子和比例权重的灰狼优化算法【期刊论文完美复现】(Matlab代码实现)
摘要:在分析灰狼优化算法不足的基础上,提出一种改进的灰狼优化算法(CGWO),该算法采用基于余弦规律变化的收敛因子,平衡算法的全局搜索和局部搜索能力,同时引入基于步长欧氏距离的比例权重更新灰狼位置,从而加快算法的收敛速度。最后以预测谷氨酸菌体生长浓度为例,利用CGWO算法估计Richards模型的参数,以均方根误差和平均绝对误差作为评价指标,与PSO算法、GA算法和VS-FOA算法的结果进行比较,CGWO算法可以有效地估计Richards模型中的参数。%% 改进点:收敛因子改进,文献中式(7)原创 2023-02-26 09:35:48 · 375 阅读 · 0 评论 -
【单目标优化算法】食肉植物优化算法(Matlab代码实现)
食肉植物算法(CPA)从随机初始化一组解决方案开始。然后将溶液分类为食肉植物和猎物,然后根据生长和繁殖过程进行分组。它们的适应值将更新,所有解决方案都将合并。该过程将继续,直到满足终止条件。原创 2023-02-21 19:53:02 · 560 阅读 · 1 评论 -
【单目标优化算法】蜣螂优化算法(Dung beetle optimizer,DBO)(Matlab代码实现)
本文提出了一种新的基于种群的技术,称为粪甲虫优化器(DBO)算法,其灵感来自于粪甲虫的滚球、跳舞、觅食、偷窃和繁殖行为。新提出的DBO算法同时考虑了全局探索和局部开发,从而具有快速收敛速度和令人满意的解精度的特点。使用一系列众所周知的数学测试函数(包括23个基准函数和29个CEC-BC-2017测试函数)来评估DBO算法的搜索能力。从仿真结果中可以观察到,DBO算法在收敛速度、解的精度和稳定性方面与最先进的优化方法相比具有实质上的竞争性能。详细文章讲解见第四部分。4 Matlab代码实现。原创 2023-02-17 12:22:14 · 1394 阅读 · 1 评论