融合黄金正弦算法和纵横交叉策略的秃鹰搜索算法(GSCBES)-附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

秃鹰搜索算法（Bald Eagle Search Algorithm，简称BESA）是一种基于鹰的捕食行为的启发式优化算法。该算法通过模拟秃鹰的捕食策略，以寻找最优解。然而，原始的BESA算法在解决复杂问题时存在一些不足之处。

为了进一步提高搜索算法的性能，本文提出了一种融合黄金正弦算法和纵横交叉策略的秃鹰搜索算法（GSCBES）。黄金正弦算法（Golden Sine Cosine Algorithm，简称GSCA）是一种基于正弦和余弦函数的全局优化算法，具有较好的全局搜索能力。纵横交叉策略（Vertical and Horizontal Crossover Strategy，简称VHCS）是一种改进的优化策略，通过对搜索空间进行纵横交叉操作，能够更好地探索解空间。

在GSCBES算法中，首先利用GSCA算法进行全局搜索，以快速找到一个较好的初始解。然后，通过引入VHCS策略对搜索空间进行纵横交叉操作，以进一步优化解的质量。该策略能够有效地增加搜索空间的多样性，避免陷入局部最优解。

实验结果表明，GSCBES算法在解决多种优化问题时具有较好的性能。与原始BESA算法相比，GSCBES算法能够更快地找到全局最优解，并且具有更好的收敛性和稳定性。同时，该算法还具有较高的鲁棒性和可扩展性，适用于不同类型的优化问题。

综上所述，融合黄金正弦算法和纵横交叉策略的秃鹰搜索算法（GSCBES）是一种有效的优化算法，能够在复杂问题中寻找全局最优解。该算法的提出为优化问题的求解提供了一种新的思路和方法。随着进一步的研究和应用，相信GSCBES算法将在实际问题中发挥重要作用。

⛄ 部分代码

%% Plot the Drone Trajectoryt = state.time;x = state.signals.values(:,1);y = state.signals.values(:,2);z = state.signals.values(:,3);phi = state.signals.values(:,4);theta = state.signals.values(:,5);psi = state.signals.values(:,6);xr = reference.signals.values(:,1);yr = reference.signals.values(:,2);zr = reference.signals.values(:,3);fx = force.signals.values(:,1);fy = force.signals.values(:,2);fz = force.signals.values(:,3);figure(1)subplot(3,1,1)plot(t,x,'r')xlabel('t[s]')ylabel('x[m]')hold on; grid onplot(t,xr,'--')legend('Actual Trajectory', 'Reference Trajectory')subplot(3,1,2)plot(t,y,'b')xlabel('t[s]')ylabel('y[m]')hold on; grid onplot(t,yr,'--')legend('Actual Trajectory', 'Reference Trajectory')subplot(3,1,3)plot(t,fx,'r')xlabel('t[s]')ylabel('F[N]')hold on; grid onplot(t,fy,'b')legend('Fx', 'Fy')

⛄ 运行结果

⛄ 参考文献

[1]赵沛雯,张达敏,张琳娜,等.融合黄金正弦算法和纵横交叉策略的秃鹰搜索算法[J].计算机应用, 2023, 43(1):10.DOI:10.11772/j.issn.1001-9081.2021111868.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料

🍅 仿真咨询

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面

卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合