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月前
|
算法 数据可视化 安全
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
148 68
|
3天前
|
算法
基于SOA海鸥优化算法的三维曲面最高点搜索matlab仿真
本程序基于海鸥优化算法(SOA)进行三维曲面最高点搜索的MATLAB仿真,输出收敛曲线和搜索结果。使用MATLAB2022A版本运行,核心代码实现种群初始化、适应度计算、交叉变异等操作。SOA模拟海鸥觅食行为,通过搜索飞行、跟随飞行和掠食飞行三种策略高效探索解空间,找到全局最优解。
|
1天前
|
传感器 算法
基于GA遗传算法的多机无源定位系统GDOP优化matlab仿真
本项目基于遗传算法(GA)优化多机无源定位系统的GDOP,使用MATLAB2022A进行仿真。通过遗传算法的选择、交叉和变异操作,迭代优化传感器配置,最小化GDOP值,提高定位精度。仿真输出包括GDOP优化结果、遗传算法收敛曲线及三维空间坐标点分布图。核心程序实现了染色体编码、适应度评估、遗传操作等关键步骤,最终展示优化后的传感器布局及其性能。
|
5天前
|
传感器 算法 物联网
基于粒子群算法的网络最优节点部署优化matlab仿真
本项目基于粒子群优化(PSO)算法,实现WSN网络节点的最优部署,以最大化节点覆盖范围。使用MATLAB2022A进行开发与测试,展示了优化后的节点分布及其覆盖范围。核心代码通过定义目标函数和约束条件,利用PSO算法迭代搜索最佳节点位置,并绘制优化结果图。PSO算法灵感源于鸟群觅食行为,适用于连续和离散空间的优化问题,在通信网络、物联网等领域有广泛应用。该算法通过模拟粒子群体智慧,高效逼近最优解,提升网络性能。
|
5天前
|
机器学习/深度学习 数据采集 算法
基于GWO灰狼优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a,展示了时间序列预测算法的运行效果(无水印)。核心程序包含详细中文注释和操作视频。算法采用CNN-GRU-SAM网络,结合灰狼优化(GWO),通过卷积层提取局部特征、GRU处理长期依赖、自注意力机制捕捉全局特征,最终实现复杂非线性时间序列的高效预测。
|
1月前
|
算法 JavaScript
基于遗传优化的Sugeno型模糊控制器设计matlab仿真
本课题基于遗传优化的Sugeno型模糊控制器设计,利用MATLAB2022a进行仿真。通过遗传算法优化模糊控制器的隶属函数参数,提升控制效果。系统原理结合了模糊逻辑与进化计算,旨在增强系统的稳定性、响应速度和鲁棒性。核心程序实现了遗传算法的选择、交叉、变异等步骤,优化Sugeno型模糊系统的参数,适用于工业控制领域。
|
1月前
|
算法 决策智能
基于遗传优化的货柜货物摆放优化问题求解matlab仿真
本项目采用MATLAB2022A实现基于遗传算法的货柜货物摆放优化,初始随机放置货物后通过适应度选择、交叉、变异及逆转操作迭代求解,最终输出优化后的货物分布图与目标函数变化曲线,展示进化过程中的最优解和平均解的变化趋势。该方法模仿生物进化,适用于复杂空间利用问题,有效提高货柜装载效率。
|
6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。
272 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
|
6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。
162 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
|
6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。
138 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

热门文章

最新文章