💥1 概述
文献来源：
摘要：为了解决蝶形优化算法（BOA）容易出现精度低、收敛慢的问题，研究的趋势是将两种或多种算法混合，以获得优化问题领域的最优解。提出了一种新的混合算法，即HPSOBOA，并介绍了三种改进基本BOA的方法。因此，引入了使用立方一维映射的BOA初始化，并执行了非线性参数控制策略。此外，将粒子群优化（PSO）算法与BOA相结合，以改进全局优化的基本BOA。进行了两个实验（包括26个众所周知的基准函数）来验证所提出算法的有效性。实验的比较结果表明，与PSO、BOA和其他已知的群优化算法相比，混合HPSOBOA在高维数值优化问题中收敛速度快，稳定性更好。
关键词：蝶形优化算法（BOA）；粒子群优化；立方图；非线性；高维度
📚2 运行结果
部分代码：
function func_plot_con(func_name) [lb,ub,dim,fobj] = Hight_Get_Functions_details(func_name); switch func_name case 'F1' x=-100:2:100; y=x; %[-100,100] case 'F2' x=-10:0.2:10; y=x; %[-10,10] case 'F3' x=-10:0.2:10; y=x; %[-10,10] case 'F4' x=-10:0.5:10; y=x; %[-10,10] case 'F5' x=-10:0.5:10; y=x; %[-10,10] case 'F6' x=-1.28:0.05:1.28; y=x; %[-1.28,1.28] case 'F7' x=-10:0.5:10; y=x; %[-10,10] case 'F8' x=-1:0.01:1;y=x; %[-1,1] case 'F9' x=-10:0.1:10; y=x; %[-10,10] case 'F10' x=-10:0.1:10; y=x; %[-10,10] case 'F11' x=-5.12:0.1:5.12; y=x; %[-5,10] case 'F12' x=-5:0.05:5; y=x; %[-5,5] case 'F13' x=-100:2:100; y=x; %[-100,100] case 'F14' x=-100:2:100; y=x; %[-100,100] case 'F15' x=-10:0.1:10; y=x; %[-10,10] case 'F16' x=-5.12:0.1:5.12; y=x; %[-50,50] case 'F17' x=-5.12:0.1:5.12; y=x; %[-50,50] case 'F18' x=-20:0.05:20; y=x; %[-20,20] case 'F19' x=-600:5:600; y=x; %[-600,600] case 'F20' x=-10:0.2:10; y=x; %[-10,10] case 'F21' x=-10:0.1:10; y=x; %[-50,50] case 'F22' x=-5:0.05:5; y=x; %[-50,50] case 'F23' x=-2:0.02:2; y=x; %[-5,5] case 'F24' x=-1:0.01:1; y=x; %[-1,1] case 'F25' x=-20:0.2:20; y=x; %[-100,100] case 'F26' x=-5:0.2:5; y=x; %[-10,10] end L=length(x); f=[]; for i=1:L for j=1:L f(i,j)=fobj([x(i),y(j)]); end end surfc(x,y,f,'LineStyle','none'); % contour(x,y,f) % colormap winter colormap parula % colormap autumn % colormap summer end
🌈3 Matlab代码及详细文章讲解
🎉4 参考文献
部分理论来源于网络，如有侵权请联系删除。
