指数分布优化算法Exponential distribution optimizer(EDO)附matlab代码

本文涉及的产品
传统型负载均衡 CLB,每月750个小时 15LCU
网络型负载均衡 NLB,每月750个小时 15LCU
应用型负载均衡 ALB,每月750个小时 15LCU
简介: 指数分布优化算法Exponential distribution optimizer(EDO)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

许多优化问题可以使用元启发法而不是确定性和启发式方法来解决。本研究提出了一种新颖的基于群体的元启发式算法,称为指数分布优化器(EDO)。EDO的主要灵感来自于基于指数概率分布模型的数学。首先,我们初始化代表多个指数分布模型的随机解决方案群体。每个解中的位置代表指数随机变量。所提出的算法包括两种开发和探索策略的方法。在开发阶段,该算法利用三个主要概念:无记忆特性、引导解和指数随机变量之间的指数方差来更新当前解。为了模拟无记忆特性,我们假设原始群体仅包含获得良好适应度的获胜者。我们构建了另一个称为无记忆的矩阵,以保留新生成的解决方案,而不管它们与原始群体中相应的获胜者相比的适应性如何。因此,无记忆矩阵存储两种类型的解决方案:赢家和输家。根据无记忆特性,我们忽略也不记住这些解决方案之前的历史,因为过去的失败是独立的,对未来没有影响。因此,失败者可以为下次更新新的解决方案做出贡献。我们从指数分布派生的原始总体中选择两个解决方案,以在整个探索阶段更新新的解决方案。此外,除了进化计算大会 (CEC) 2014、CEC 2017、CEC 2020 和 CEC 2022 基准以及六个工程设计问题之外,EDO 还针对经典测试函数进行了测试。EDO 与 CEC 2014、CEC 2017 和 CEC 2020 的获胜者分别为 L-SHADE、LSHADE−cnEpSin 和 AGSK 进行比较。EDO 揭示了令人兴奋的结果,可以成为 CEC 竞赛的强大工具。统计分析证明了所提出的 EDO 在 95% 置信区间的优越性。EDO 揭示了令人兴奋的结果,可以成为 CEC 竞赛的强大工具。统计分析证明了所提出的 EDO 在 95% 置信区间的优越性。EDO 揭示了令人兴奋的结果,可以成为 CEC 竞赛的强大工具。统计分析证明了所提出的 EDO 在 95% 置信区间的优越性。

⛄ 部分代码

%_______________________________________________________________________________________%%  Exponential Distribution Optimizer (EDO)                                     %                                                                                %%  Developed in MATLAB R2022a                                                              %%_______________________________________________________________________________________%clcclear allNP = 30;Max_iter=1666;runs=30;benchmarksType = 1;if benchmarksType == 1    maxFunc = 9;elseif benchmarksType == 2    maxFunc = 15;elseif benchmarksType == 3    maxFunc = 27;elseif benchmarksType == 4    maxFunc = 17;else    exit;endtime=[];EDO_algor=zeros(runs, Max_iter);EDO_algo=zeros(1,runs);for fn=1:maxFunc    Function_name=strcat('F',num2str(fn));    if benchmarksType == 1        [LB,UB,Dim,F_obj]=unimodalFixedDim(Function_name);    elseif benchmarksType == 2        [LB,UB,Dim,F_obj]=unimodalVariableDim(Function_name);    elseif benchmarksType == 3        [LB,UB,Dim,F_obj]=multimodalFixedDim(Function_name);    elseif benchmarksType == 4        [LB,UB,Dim,F_obj]=multimodalVariableDim(Function_name);    end    fprintf(['benchmark   \t',num2str(benchmarksType),'\t','Function_name\t',Function_name]);    for i=1:1:runs        tic()        [EDO_BestFitness,EDO_Bestsol]=EDO(NP,Max_iter,LB,UB,Dim,F_obj);        EDO_time=toc;        time=[time;EDO_time];        EDO_algo(i)=EDO_BestFitness;    end    % performance measures    EDO_std=std(EDO_algo);%EDO    EDO_Mean=mean(EDO_algo);    EDO_best=min(EDO_algo);    EDO_worst=max(EDO_algo);    fprintf('\tEDO\n');    fprintf(['Best\t',num2str(EDO_best,20),'\n']);    fprintf(['Worst\t',num2str(EDO_worst,20),'\n']);    fprintf(['Mean\t',num2str(EDO_Mean,20),'\n']);    fprintf(['STD\t',num2str(EDO_std,20),'\n\n']);    for i=1:runs        fprintf(['\t',num2str(EDO_algo(i),20),'\n']);    endend

⛄ 运行结果

⛄ 参考文献

Abdel-Basset, M., El-Shahat, D., Jameel, M., & Abouhawwash, M. (2023). Exponential distribution optimizer (EDO): a novel math-inspired algorithm for global optimization and engineering problems. Artificial Intelligence Review, 1-72.‏ DOI: https://doi.org/10.1007/s10462-023-10403-9

⛳️ 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 各类智能优化算法改进及应用

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、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面

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、XGBOOST、TCN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.图像处理方面

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 路径规划方面

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、天线线性阵列分布优化、车间布局优化

4 无人机应用方面

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 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

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、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合





相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
相关文章
|
7天前
|
传感器 算法 安全
【无人机】四旋翼飞行器控制、路径规划和轨迹优化(Matlab实现)
【无人机】四旋翼飞行器控制、路径规划和轨迹优化(Matlab实现)
|
7天前
|
机器学习/深度学习 算法 新能源
【优化调度】基于matlab粒子群算法求解水火电经济调度优化问题研究(Matlab代码实现)
【优化调度】基于matlab粒子群算法求解水火电经济调度优化问题研究(Matlab代码实现)
|
7天前
|
数据采集 算法 调度
【电力系统】基于matlab虚拟电厂内部负荷调度优化模型(matlab+yalmip+cplex)(Matlab代码实现)
【电力系统】基于matlab虚拟电厂内部负荷调度优化模型(matlab+yalmip+cplex)(Matlab代码实现)
|
7天前
|
传感器 并行计算 算法
【无人机编队】基于非支配排序遗传算法II NSGA-II高效可行的无人机离线集群仿真研究(Matlab代码实现)
【无人机编队】基于非支配排序遗传算法II NSGA-II高效可行的无人机离线集群仿真研究(Matlab代码实现)
|
7天前
|
存储 算法 安全
【无人机】基于灰狼优化算法的无人机路径规划问题研究(Matlab代码实现)
【无人机】基于灰狼优化算法的无人机路径规划问题研究(Matlab代码实现)
|
13天前
|
机器学习/深度学习 算法 数据挖掘
没发论文的注意啦!重磅更新!GWO-BP-AdaBoost预测!灰狼优化、人工神经网络与AdaBoost集成学习算法预测研究(Matlab代码实现)
没发论文的注意啦!重磅更新!GWO-BP-AdaBoost预测!灰狼优化、人工神经网络与AdaBoost集成学习算法预测研究(Matlab代码实现)
|
13天前
|
机器学习/深度学习 算法 安全
计及需求响应的粒子群算法求解风能、光伏、柴油机、储能容量优化配置(Matlab代码实现)
计及需求响应的粒子群算法求解风能、光伏、柴油机、储能容量优化配置(Matlab代码实现)
|
9天前
|
算法 机器人 定位技术
基于机器视觉和Dijkstra算法的平面建筑群地图路线规划matlab仿真
本程序基于机器视觉与Dijkstra算法,实现平面建筑群地图的路径规划。通过MATLAB 2022A读取地图图像,识别障碍物并进行路径搜索,支持鼠标选择起点与终点,最终显示最优路径及长度,适用于智能导航与机器人路径规划场景。
|
10天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于PSO粒子群优化的XGBoost时间序列预测算法matlab仿真
本程序基于Matlab 2024b实现,结合粒子群优化(PSO)与XGBoost算法,用于时间序列预测。通过PSO优化XGBoost超参数,提升预测精度。程序包含完整注释与操作视频,运行后生成预测效果图及性能评估指标RMSE。
|
7天前
|
机器学习/深度学习 传感器 数据采集
【23年新算法】基于鱼鹰算法OOA-Transformer-BiLSTM多特征分类预测附Matlab代码 (多输入单输出)(Matlab代码实现)
【23年新算法】基于鱼鹰算法OOA-Transformer-BiLSTM多特征分类预测附Matlab代码 (多输入单输出)(Matlab代码实现)

热门文章

最新文章