【随机分形搜索算法】一种新的全局数值优化的适应度-距离平衡随机分形搜索算法FDB-SFS附matlab代码

简介: 【随机分形搜索算法】一种新的全局数值优化的适应度-距离平衡随机分形搜索算法FDB-SFS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

随机分形搜索 (SFS) 是一种新的原始元启发式搜索 (MHS) 算法,具有强大的基础。与许多其他 MHS 方法一样,SFS 算法在有效平衡开发-探索方面存在问题。为了达到这种平衡,需要提高其多样性能力。本文介绍了为加强 SFS 算法的多样性和平衡搜索能力而进行的研究。为此,SFS 算法的多样性算子采用一种称为适合度-距离平衡 (FDB) 的新方法设计,该方法更有效地模拟了分形在自然界中发生的方式。因此,具有更强搜索性能的FDBSFS算法应运而生。进行了全面的实验研究以测试和验证开发的基于 FDB 的 SFS 算法 (FDBSFS)。使用了 39 个新颖而强大的 MHS 算法、89 个无约束测试函数和 5 个约束工程问题。两个非参数检验,Wilcoxon 符号秩检验和 Friedman 检验,用于分析从实验研究中获得的结果。分析结果表明,FDB方法的应用在很大程度上消除了早熟收敛的问题,也有效地提供了开发-探索平衡。此外,所提出的 FDBSFS 算法在 39 个竞争算法中排名第一。使用了 89 个无约束测试函数和 5 个约束工程问题。两个非参数检验,Wilcoxon 符号秩检验和 Friedman 检验,用于分析从实验研究中获得的结果。分析结果表明,FDB方法的应用在很大程度上消除了早熟收敛的问题,也有效地提供了开发-探索平衡。此外,所提出的 FDBSFS 算法在 39 个竞争算法中排名第一。使用了 89 个无约束测试函数和 5 个约束工程问题。两个非参数检验,Wilcoxon 符号秩检验和 Friedman 检验,用于分析从实验研究中获得的结果。分析结果表明,FDB方法的应用在很大程度上消除了早熟收敛的问题,也有效地提供了开发-探索平衡。此外,所提出的 FDBSFS 算法在 39 个竞争算法中排名第一。分析结果表明,FDB方法的应用在很大程度上消除了早熟收敛的问题,也有效地提供了开发-探索平衡。此外,所提出的 FDBSFS 算法在 39 个竞争算法中排名第一。分析结果表明,FDB方法的应用在很大程度上消除了早熟收敛的问题,也有效地提供了开发-探索平衡。此外,所提出的 FDBSFS 算法在 39 个竞争算法中排名第一。

⛄ 部分代码

function index = fitnessDistanceBalance( population, fitness )


   [~, bestIndex] = min(fitness);

   best = population(bestIndex, :);

   [populationSize, dimension] = size(population);


   distances = zeros(1, populationSize);

   normFitness = zeros(1, populationSize);

   normDistances = zeros(1, populationSize);

   divDistances = zeros(1, populationSize);


   if min(fitness) == max(fitness)

       index = randi(populationSize);

   else


       for i = 1 : populationSize

           value = 0;

           for j = 1 : dimension

               value = value + abs(best(j) - population(i, j));

           end

           distances(i) = value;

       end


       minFitness = min(fitness); maxMinFitness = max(fitness) - minFitness;

       minDistance = min(distances); maxMinDistance = max(distances) - minDistance;


       for i = 1 : populationSize

           normFitness(i) = 1 - ((fitness(i) - minFitness) / maxMinFitness);

           normDistances(i) = (distances(i) - minDistance) / maxMinDistance;

           divDistances(i) = normFitness(i) + normDistances(i);

       end


       [~, index] = max(divDistances);

   end

end

⛄ 运行结果

⛄ 参考文献

Aras, Sefa, et al. “A Novel Stochastic Fractal Search Algorithm with Fitness-Distance Balance for Global Numerical Optimization.” Swarm and Evolutionary Computation, Elsevier BV, Dec. 2020, p. 100821, doi:10.1016/j.swevo.2020.100821.

⛄ Matlab代码关注

❤️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
|
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。
202 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。
129 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。
93 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
|
6月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
6月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
|
6月前
|
Serverless
基于Logistic函数的负荷需求响应(matlab代码)
基于Logistic函数的负荷需求响应(matlab代码)
|
6月前
|
供应链 算法
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
|
6月前
|
算法 调度
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
|
6月前
|
算法 调度 SoC
电动汽车充放电V2G模型(Matlab代码)
电动汽车充放电V2G模型(Matlab代码)

热门文章

最新文章

下一篇
无影云桌面