基于混合策略改进哈里斯鹰算法求解单目标优化问题IHHO附matlab代码

简介: 基于混合策略改进哈里斯鹰算法求解单目标优化问题IHHO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

针对哈里斯鹰优化算法收敛精度低,易陷入局部最优空间等局限性,提出一种混合策略改进的哈里斯鹰优化算法.采用精英混沌反向学习策略初始化种群,增加初始种群多样性和精英个体数量,提高算法收敛性能;利用引入动态自适应权重的逃逸能量非线性递减策略替代哈里斯鹰算法的线性递减机制,提高算法全局探索和局部开发行为的平衡能力;采用拉普拉斯交叉算子策略生成适应度更高的新个体,提高算法抗停滞能力.对10个测试函数进行求解,结果表明改进算法的收敛精度,寻优性能及鲁棒性明显高于对比算法.通过对比改进前后算法的种群分布均匀性和收敛能力,验证了改进策略的有效性.

⛄ 部分代码

% ITU-R P.676-9, Annex 2 method for computing atmospheric attenuationclose all; clear all;p=1013; % pressure in hPa (1 atm=1013 hPa)t=15;    % atmospheric temp in C, determine from maps in P.1510 if not knownrho=7.5  % water vapor density (g/m^3)rp=p/1013;rt=288/(273+t);% Compute and plot specific attenuationi1=1;for f=1:350    ff(i1)=f;    gamdry(i1)=gamo(f,rp,rt);    gamwat(i1)=gamw(f,rp,rt,rho);    i1=i1+1;endfigureset(gca,'Fontsize',14)loglog(ff,gamdry,'linewidth',3)hold onloglog(ff,gamwat,'r--','linewidth',3)loglog(ff,gamdry+gamwat,'ko','markersize',8)xlabel('Frequency (GHz)')ylabel('Specific attenuation (dB/km)')grid onaxis([1 350 1e-3 1e2])set(gca,'Xtick',[1:10 20:10:100 200 350])set(gca,'Xticklabel',{'1';'2';'';'';'5';'';'';'';'';'10';'20';'';'';'50';'';'';'';'';'100';'200';'350'})set(gca,'Ytick',[0.001 0.01 0.1 1 10 100])set(gca,'Yticklabel',['0.001';' 0.01';' 0.1 ';'  1  ';'  10 ';' 100 '])legend('Oxygen','Water Vapor','Total')title('1 atm, 15^\circ C, \rho=7.5 g/m^3')% Compute and plot zenith attenuationi1=1;for f=1:350  ff(i1)=f;  t1=4.64/(1+0.066*rp^-2.3)*exp(-((f-59.7)/(2.87+12.4*exp(-7.9*rp)))^2);  t2=0.14*exp(2.12*rp)/((f-118.75)^2+0.031*exp(2.2*rp));  t3=0.0114/(1+0.14*rp^-2.6)*f*(-0.0247+0.0001*f+1.61e-6*f^2)/(1-0.0169*f+4.1e-5*f^2+3.2e-7*f^3);  ho=6.1/(1+0.17*rp^-1.1)*(1+t1+t2+t3);  if (f<70)&(ho>10.7*rp^0.3)     ho=10.7*rp^0.3;     display('Violated condition!'); drawnow;  end;  sigw=1.013/(1+exp(-8.6*(rp-0.57)));  hw=1.66*(1+1.39*sigw/((f-22.235)^2+2.56*sigw)+3.37*sigw/((f-183.31)^2+4.69*sigw)+1.58*sigw/((f-325.1)^2+2.89*sigw));    attendry(i1)=ho*gamo(f,rp,rt);  attenwat(i1)=hw*gamw(f,rp,rt,rho);  i1=i1+1;endfigureset(gca,'Fontsize',14)loglog(ff,attendry,'b','linewidth',3)hold onloglog(ff,attenwat,'r--','linewidth',3)loglog(ff,attendry+attenwat,'ko','markersize',8)xlabel('工作频率 (GHz)')ylabel('大气气体吸收衰减 (dB)')grid onaxis([1 350 1e-3 1e3])set(gca,'Xtick',[1:10 20:10:100 200 350])set(gca,'Xticklabel',{'1';'2';'';'';'5';'';'';'';'';'10';'20';'';'';'50';'';'';'';'';'100';'200';'350'})set(gca,'Ytick',[0.001 0.01 0.1 1 10 100 1000])set(gca,'Yticklabel',['0.001';' 0.01';' 0.1 ';'  1  ';'  10 ';' 100 ';' 1000'])legend('氧气','水蒸气','总吸收损耗')title('1 atm, 15^\circ C, \rho=7.5 g/m^3')

⛄ 运行结果

⛄ 参考文献

[1]张海林,陈泯融.基于混合策略的改进哈里斯鹰优化算法[J].计算机系统应用, 2023, 32(1):166-178.

⛳️ 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.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.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
4.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.传感器部署优化、通信协议优化、路由优化、目标定位
6.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
7.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
8.微电网优化、无功优化、配电网重构、储能配置
9.元胞自动机交通流 人群疏散 病毒扩散 晶体生长


目录
打赏
0
0
0
0
849
分享
相关文章
18个常用的强化学习算法整理:从基础方法到高级模型的理论技术与代码实现
本文系统讲解从基本强化学习方法到高级技术(如PPO、A3C、PlaNet等)的实现原理与编码过程,旨在通过理论结合代码的方式,构建对强化学习算法的全面理解。
36 10
18个常用的强化学习算法整理:从基础方法到高级模型的理论技术与代码实现
JavaScript 中通过Array.sort() 实现多字段排序、排序稳定性、随机排序洗牌算法、优化排序性能,JS中排序算法的使用详解(附实际应用代码)
Array.sort() 是一个功能强大的方法,通过自定义的比较函数,可以处理各种复杂的排序逻辑。无论是简单的数字排序,还是多字段、嵌套对象、分组排序等高级应用,Array.sort() 都能胜任。同时,通过性能优化技巧(如映射排序)和结合其他数组方法(如 reduce),Array.sort() 可以用来实现高效的数据处理逻辑。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
近端策略优化(PPO)算法的理论基础与PyTorch代码详解
近端策略优化(PPO)是深度强化学习中高效的策略优化方法,广泛应用于大语言模型的RLHF训练。PPO通过引入策略更新约束机制,平衡了更新幅度,提升了训练稳定性。其核心思想是在优势演员-评论家方法的基础上,采用裁剪和非裁剪项组成的替代目标函数,限制策略比率在[1-ϵ, 1+ϵ]区间内,防止过大的策略更新。本文详细探讨了PPO的基本原理、损失函数设计及PyTorch实现流程,提供了完整的代码示例。
548 10
近端策略优化(PPO)算法的理论基础与PyTorch代码详解
C 语言递归算法:以简洁代码驾驭复杂逻辑
C语言递归算法简介:通过简洁的代码实现复杂的逻辑处理,递归函数自我调用解决分层问题,高效而优雅。适用于树形结构遍历、数学计算等领域。
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
122 1
|
8月前
|
【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。
312 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
【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。
193 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
【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。
242 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
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)

热门文章

最新文章

目录
目录
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等