基于存档的多目标算术优化 (MAOA)附matlab代码

简介: 基于存档的多目标算术优化 (MAOA)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

信号处理图像处理路径规划元胞自动机无人机 电力系统

⛄ 内容介绍

Monoamine oxidase A (MAOA) is a mitochondrial enzyme that inactivates neurotransmitters of the monoamine family such as dopamine, serotonin, and norepinephrine. MAOA and MAOB are encoded by separate genes on the X chromosome and share 70% amino acid similarity. This chapter presents a study in which a considerable increase was observed in the amount of serotonin in MAOA–/– pups, with a return to close to normal levels in older mice. Brain and liver MAOA activity was abolished in these mice. Mutant mice lacked the characteristic barrel-like clustering of layer IV neurons in the primary somatosensory cortex. MAOA–/– mice displayed a wide array of behavioral abnormalities from birth through maturity. Increased male aggessiveness and increased male–male wounding were also observed. The results of this chapter show that MAOA controls the amount of serotonin and norepinephrine in neurons, and may be linked to aggression.

⛄ 部分代码

%__________________________________________________________________ %

%                    Archive-based Multi-Objective                  %

%               Arithmetic Optimization Algorithm (MAOA)           %

%                                                                   %

%                                                                   %

%                  Developed in MATLAB R2022a (MacOs)               %

%                                                                   %

%                     Author and programmer                         %

%                ---------------------------------                  %

%                      Nima Khodadadi (蕵鈥渴�                         %

%                             e-Mail                                %

%                ---------------------------------                  %

%                         nkhod002@fiu.edu                          %

%                                                                   %

%                            Homepage                               %

%                ---------------------------------                  %

%                    https://nimakhodadadi.com                      %

%                                                                   %

%                                                                   %

%                                                                   %

%                                                                   %

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% ----------------------------------------------------------------------- %

close all;

clc;

% format long g

% Initial parameters of the MAOA algorithm

for j=8

   max_iter=100;

   Pop=100;

   ArchiveMaxSize=100;

   nvar=30;

   obj_no=2;

   method=3;

   Archive_F1=load(sprintf('P%d.txt',j));

   mkdir (sprintf('P%d',j))

   %-------------------------- MAOA -----------------------------------------

   for i=1 % Numbver of independent runs


       [Archive_F]=MAOA(max_iter,ArchiveMaxSize,Pop,nvar,method,j);

       if numel(Archive_F')==2

           continue

       end

       Archive_F=Archive_F';


       if obj_no==2

           plot(Archive_F1(:,1),Archive_F1(:,2),'Color','g','LineWidth',4);

           hold on

           plot(Archive_F(:,1),Archive_F(:,2),'ro','LineWidth',1,...

               'MarkerEdgeColor','b',...

               'MarkerFaceColor','r',...

               'Marker','o',...

               'MarkerSize',10);

           legend('True PF','Obtained PF');

           title(sprintf('MAOA FOR P%d PROBLEM',j));

           xlabel('obj_1');

           ylabel('obj_2');

           hold off

       end

       if obj_no==3

           plot3(Archive_F1(:,1),Archive_F1(:,2),Archive_F1(:,3),'Color','g','LineWidth',1);

           hold on

           plot3(Archive_F(:,1),Archive_F(:,2),Archive_F(:,3),'ro','LineWidth',1,...

               'MarkerEdgeColor','b',...

               'MarkerFaceColor','r',...

               'Marker','o',...

               'MarkerSize',10);

           legend('True PF','Obtained PF');

           title(sprintf('MAOA FOR P%d PROBLEM',j));

           xlabel('obj_1');

           ylabel('obj_2');

           zlabel('obj_3');

           hold off

       end

       savefig(sprintf('P%d/fig_%d.fig',j,i));

   end

   save(sprintf('P%d/result_P%d.mat',j,j));

end

⛄ 运行结果

⛄ 参考文献

[1] Mak T W ,  Penninger J ,  Roder J , et al. . MAOA[J]. The Gene Knockout FactsBook, 1998:705-706.

⛄ 完整代码

❤️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


相关文章
|
1天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
6天前
|
机器学习/深度学习 算法 调度
基于ACO蚁群优化的VRPSD问题求解matlab仿真,输出规划路径结果和满载率
基于ACO蚁群优化的VRPSD问题求解MATLAB仿真,输出ACO优化的收敛曲线、规划路径结果及每条路径的满载率。在MATLAB2022a版本中运行,展示了优化过程和最终路径规划结果。核心程序通过迭代搜索最优路径,更新信息素矩阵,确保找到满足客户需求且总行程成本最小的车辆调度方案。
|
12天前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。
|
15天前
|
机器学习/深度学习 算法 调度
基于ACO蚁群优化的VRPSD问题求解matlab仿真,输出规划路径结果和满载率
该程序基于ACO蚁群优化算法解决VRPSD问题,使用MATLAB2022a实现,输出优化收敛曲线及路径规划结果。ACO通过模拟蚂蚁寻找食物的行为,利用信息素和启发式信息指导搜索,有效求解带时间窗约束的车辆路径问题,最小化总行程成本。
|
13天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-LSTM网络的数据分类识别算法matlab仿真
本项目展示了基于贝叶斯优化(BO)的CNN-LSTM网络在数据分类中的应用。通过MATLAB 2022a实现,优化前后效果对比明显。核心代码附带中文注释和操作视频,涵盖BO、CNN、LSTM理论,特别是BO优化CNN-LSTM网络的batchsize和学习率,显著提升模型性能。
|
18天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化卷积神经网络(Bayes-CNN)的多因子数据分类识别算法matlab仿真
本项目展示了贝叶斯优化在CNN中的应用,包括优化过程、训练与识别效果对比,以及标准CNN的识别结果。使用Matlab2022a开发,提供完整代码及视频教程。贝叶斯优化通过构建代理模型指导超参数优化,显著提升模型性能,适用于复杂数据分类任务。
|
23天前
|
算法 决策智能
基于GA-PSO遗传粒子群混合优化算法的TSP问题求解matlab仿真
本文介绍了基于GA-PSO遗传粒子群混合优化算法解决旅行商问题(TSP)的方法。TSP旨在寻找访问一系列城市并返回起点的最短路径,属于NP难问题。文中详细阐述了遗传算法(GA)和粒子群优化算法(PSO)的基本原理及其在TSP中的应用,展示了如何通过编码、选择、交叉、变异及速度和位置更新等操作优化路径。算法在MATLAB2022a上实现,实验结果表明该方法能有效提高求解效率和解的质量。
|
3月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
174 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
3月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
122 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
3月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
86 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码