【智能优化算法】基于凌日算法求解单目标优化问题附matlab代码Transit Search Optimization Algorithm

简介: 【智能优化算法】基于凌日算法求解单目标优化问题附matlab代码Transit Search Optimization Algorithm

 💥💥💥💞💞💞欢迎来到本博客❤️❤️❤️💥💥💥

📝目前更新:🌟🌟🌟智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

                       

                             🎉🎉欢迎您的到来🎉🎉


               ⛅⛅⛅ 📃CSDN主页:Matlab科研室🌈🌈🌈


             📚📚📚📋所有代码目录见微信公众号:天天Matlab👨•💻👨•💻👨•💻

1 内容介绍

Transit Search Optimization Algorithm 代码是从一种新颖的天体物理学启发的元启发式优化算法中提取出来的,该算法基于著名的系外行星探索方法,即凌日搜索(TS)。在凌日算法中,通过研究在一定间隔内从恒星接收到的光,检查亮度的变化,如果观察到接收到的光量减少,则表明行星从恒星锋面经过。为了评估该算法的性能,考虑了73个约束和无约束问题,并将结果与13个著名的优化算法进行了比较。这组示例包括各种类型的问题,包括数学函数(28个高维问题和15个低维问题)、CEC函数(10个问题)、约束数学基准问题(G01–G13)以及7个约束工程问题。结果表明,与其他有效算法相比,对于基准问题,该算法的总体平均误差是最低的

2 仿真代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% The following code are extracted from the reference below:

% https://authors.elsevier.com/sd/article/S2666-7207(22)00018-2

% Please cite this article as:

%  M. Mirrashid and H. Naderpour, Transit search: An optimization algorithm

%  based on exoplanet exploration; Results in Control and Optimization

%  (2022), doi: https://doi.org/10.1016/j.rico.2022.100127.

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

clc; clear; close all

%% Definition of the Cost Function and its variables

Function_name='branin';   % Define your cost function (here is "Branin", a benchmark function"

[Vmin,Vmax,nV,Function] = CostFunction(Function_name);

CostFunction = @(x) Function(x);

%% Definition of the Algorithm Parameters

ns = 5;                 % Number of Stars

SN = 10;                % Signal to Noise Ratio

% Note: (ns*SN)=Number of population for the TS algorithm

maxcycle=500;           % max number of iterations

%% Transit Search Optimization Algorithm

disp('Transit Search is runing...')

[Bests] = TransitSearch (CostFunction,Vmin,Vmax,nV,ns,SN,maxcycle);

Best_Cost = Bests(maxcycle).Cost

Best_Solution = Bests(maxcycle).Location

%% Figure

figure = figure('Color',[1 1 1]);

G1=subplot(1,1,1,'Parent',figure);

x=zeros(maxcycle,1);

y=zeros(maxcycle,1);

for i = 1:maxcycle

   y(i,1) = Bests(i).Cost;

   x(i,1) = i;

end

plot(x,y,'r-','LineWidth',2);

xlabel('Iterations','FontWeight','bold','FontName','Times');

ylabel('Costs','FontWeight','bold','FontName','Times');

title (['Best Cost = ',num2str(Bests(maxcycle).Cost)])

box on

xlim ([1 maxcycle]);

ylim ([Bests(maxcycle).Cost Bests(1).Cost]);

set(G1,'FontName','Times','FontSize',20,'FontWeight','bold',...

   'XMinorGrid','on','XMinorTick','on','YMinorGrid','on','YMinorTick','on');

3 运行结果

image.gif编辑

4 参考文献

[1] Mirrashid M ,  Naderpour H . Transit search: An optimization algorithm based on exoplanet exploration[J]. Results in Control and Optimization, 2022.

博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。

部分理论引用网络文献,若有侵权联系博主删除。


相关文章
|
6天前
|
机器学习/深度学习 人工智能 算法
基于DCT和扩频的音频水印嵌入提取算法matlab仿真
本文介绍了结合DCT和扩频技术的音频水印算法,用于在不降低音质的情况下嵌入版权信息。在matlab2022a中实现,算法利用DCT进行频域处理,通过扩频增强水印的隐蔽性和抗攻击性。核心程序展示了水印的嵌入与提取过程,包括DCT变换、水印扩频及反变换步骤。该方法有效且专业,未来研究将侧重于提高实用性和安全性。
|
2天前
|
机器学习/深度学习 人工智能 算法
揭秘深度学习中的优化算法
【4月更文挑战第24天】 在深度学习的广阔天地中,优化算法扮演着至关重要的角色。本文将深入探讨几种主流的优化算法,包括梯度下降法、随机梯度下降法、Adam等,并分析它们的特点和适用场景。我们将通过理论分析和实例演示,揭示这些优化算法如何帮助模型更高效地学习参数,从而提高模型的性能。
|
10天前
|
文字识别 算法 计算机视觉
图像倾斜校正算法的MATLAB实现:图像倾斜角检测及校正
图像倾斜校正算法的MATLAB实现:图像倾斜角检测及校正
15 0
|
10天前
|
算法
R语言使用随机技术差分进化算法优化的Nelson-Siegel-Svensson模型
R语言使用随机技术差分进化算法优化的Nelson-Siegel-Svensson模型
20 0
|
13天前
|
机器学习/深度学习 算法
【MATLAB】GA_ELM神经网络时序预测算法
【MATLAB】GA_ELM神经网络时序预测算法
286 9
|
17天前
|
算法 数据处理 C语言
【数据结构与算法】快速排序(详解:快排的Hoare原版,挖坑法和双指针法|避免快排最坏时间复杂度的两种解决方案|小区间优化|非递归的快排)
【数据结构与算法】快速排序(详解:快排的Hoare原版,挖坑法和双指针法|避免快排最坏时间复杂度的两种解决方案|小区间优化|非递归的快排)
|
18天前
|
存储 人工智能 机器人
【Matlab】Matlab电话拨号音合成与识别(代码+论文)【独一无二】
【Matlab】Matlab电话拨号音合成与识别(代码+论文)【独一无二】
|
19天前
|
算法 索引
【算法与数据结构】深入二叉树实现超详解(全源码优化)
【算法与数据结构】深入二叉树实现超详解(全源码优化)
|
1月前
|
机器学习/深度学习 算法 大数据
基于PyTorch对凸函数采用SGD算法优化实例(附源码)
基于PyTorch对凸函数采用SGD算法优化实例(附源码)
30 3
|
1月前
|
算法
m基于log-MPA检测算法的SCMA通信链路matlab误码率仿真
MATLAB 2022a仿真实现了稀疏码多址接入(SCMA)算法,该算法利用码本稀疏性实现多用户高效接入。每个用户从码本中选取码字发送,接收端采用Log-MPA算法进行多用户检测。由于MAP检测计算复杂度高,故采用Log-MPA降低复杂性。仿真展示了不同迭代次数(1, 5, 10, 30)对误码率(BER)的影响,通过比较各次迭代的BER曲线,研究算法性能与迭代次数的关系。
22 0

热门文章

最新文章