✅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👇
⛄ 内容介绍
这篇文章对文学有两个重要贡献。它们分别是基于适应度距离平衡的黑猩猩优化算法 (FDBChOA) 作为一种强大的元启发式搜索方法的发展,可用于解决全局优化问题和电力系统稳定器参数的优化,这是一种流行的实际-世界工程问题。黑猩猩优化算法 (ChOA) 是最近开发的一种基于种群的启发式搜索方法,它模仿黑猩猩的社会行为。当分析 ChOA 在基准问题上的性能时,可以看出,与许多其他新开发的元启发式搜索方法一样,需要研究算法设计和改进算法在 ChOA 中模仿自然的能力。以此目的,当检查黑猩猩的社会化过程时,假设基于适应度-距离平衡设计攻击者和追逐者黑猩猩的狩猎过程可以提高 ChOA 算法的性能。在为检验这一假设而进行的研究中,针对攻击者和追逐者黑猩猩的基于 FDB 的狩猎过程应用了不同的策略,并设计了许多 FDBChOA 变体。所设计的算法已经在CEC 2020基准测试套件中进行了测试,并在单机无限总线电源系统中优化了电源系统稳定器的参数。当使用统计测试工具分析实验研究结果时,可以看出 FDBChOA 变体可以找到比 ChOA 更好的全局优化问题和电力系统稳定器参数优化的解决方案。
⛄ 部分代码
clear all
clc
Solution_no=50; % Number of search agents
F_name='F7'; % Name of the test function that can be from F1 to F23
M_Iter=200; % Maximum numbef of iterations
[LB,UB,Dim,F_obj]=Get_F(F_name);
[Best_FF,Best_P,conv]=fdb_choa(Solution_no,M_Iter,LB,UB,Dim,F_obj);
figure('Position',[200 300 770 267])
subplot(1,2,1);
func_plot(F_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([F_name,'( x_1 , x_2 )'])
box on
axis tight
axis square
subplot(1,2,2);
plot(conv,'Color','r','LineWidth',1.5)
title('Convergence curve')
xlabel('Iteration#');
ylabel('Best score obtained so far');
box on
axis tight
axis square
display(['The best-obtained solution by fdb_choa is : ', num2str(Best_P)]);
display(['The best optimal values of the objective funciton found by fdb_choa is : ', num2str(Best_FF)]);
⛄ 运行结果
⛄ 参考文献
Bakir, H., Kahraman, H. T., Temel, S., Duman, S., Guvenc, U., & Sonmez, Y. (2023). Development of an FDB-Based Chimp Optimization Algorithm for Global Optimization and Determination of the Power System Stabilizer Parameters. In Smart Applications with Advanced Machine Learning and Human-Centred Problem Design (pp. 337-365). Cham: Springer International Publishing.