向外搜索以增加种群多样性的优化算法(Matlab代码实现)

简介: 向外搜索以增加种群多样性的优化算法(Matlab代码实现)

💥1 概述

向外搜索(OS)是一种新方案,旨在为改进进化算法的收敛性提供多种形式。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
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]Hsing-Chih Tsai (2022) An outward search to increase population diversity for optimization algorithms


相关文章
|
15天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
1天前
|
供应链 算法 调度
排队算法的matlab仿真,带GUI界面
该程序使用MATLAB 2022A版本实现排队算法的仿真,并带有GUI界面。程序支持单队列单服务台、单队列多服务台和多队列多服务台三种排队方式。核心函数`func_mms2`通过模拟到达时间和服务时间,计算阻塞率和利用率。排队论研究系统中顾客和服务台的交互行为,广泛应用于通信网络、生产调度和服务行业等领域,旨在优化系统性能,减少等待时间,提高资源利用率。
|
9天前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。
|
17天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
9天前
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如"How are you"、"I am fine"、"I love you"等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。
|
14天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
18天前
|
算法
通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
本项目使用MATLAB2022A版本,对比分析了PSO、反向学习PSO及多策略改进反向学习PSO三种优化算法的性能,主要通过优化收敛曲线进行直观展示。核心代码实现了标准PSO算法流程,加入反向学习机制及多种改进策略,以提升算法跳出局部最优的能力,增强全局搜索效率。
|
14天前
|
算法
通过matlab对比遗传算法优化前后染色体的变化情况
该程序使用MATLAB2022A实现遗传算法优化染色体的过程,通过迭代选择、交叉和变异操作,提高染色体适应度,优化解的质量,同时保持种群多样性,避免局部最优。代码展示了算法的核心流程,包括适应度计算、选择、交叉、变异等步骤,并通过图表直观展示了优化前后染色体的变化情况。
|
12天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于深度学习网络的宝石类型识别算法matlab仿真
本项目利用GoogLeNet深度学习网络进行宝石类型识别,实验包括收集多类宝石图像数据集并按7:1:2比例划分。使用Matlab2022a实现算法,提供含中文注释的完整代码及操作视频。GoogLeNet通过其独特的Inception模块,结合数据增强、学习率调整和正则化等优化手段,有效提升了宝石识别的准确性和效率。
|
17天前
|
算法 5G 数据安全/隐私保护
基于MIMO系统的PE-AltMin混合预编码算法matlab性能仿真
本文介绍了基于交替最小化(AltMin)算法的混合预编码技术在MIMO系统中的应用。通过Matlab 2022a仿真,展示了该算法在不同信噪比下的性能表现。核心程序实现了对预编码器和组合器的优化,有效降低了硬件复杂度,同时保持了接近全数字预编码的性能。仿真结果表明,该方法具有良好的鲁棒性和收敛性。
31 8
下一篇
DataWorks