基于迭代局部搜索和随机惯性权重的BA算法MATLAB实现（ILSSIWBA）

uperrua

# e7 Q9 C" }2 \* o4 c: s- c主要思想



流程图


  y0 y* \% Y) g5 Q( o. r6 P
3 |  T1 }1 x$ e+ J, i
# |) d; C2 P" x& u8 jMATLAB代码

* v% Y& @. I7 G. v0 A

• function [bestMin, bestID] = ILSSIWBA()
• %A new bat algorithm based on iterative local search and stochastic inertia weight
• %omegaxyz.com QQ: 644327005
• clc;
• %% 经典BA参数设置
• t = 1;
• maxT = 100; %最大迭代次数
• dim = 30; %问题的维度
• sizep = 50; %种群大小
• xmin = -0.5;
• xmax = 0.5; %位置向量的范围
• A = 0.6.*ones(sizep,1);    % 响度 (不变或者减小)
• r = zeros(sizep,1);      % 脉冲率 (不变或增加))
• Qmin = 0;         % 最小频率
• Qmax = 1;         % 最大频率
• %% 初始化
• Lb = xmin*ones(1,dim);
• Ub = xmax*ones(1,dim);
• pop = Lb+(Ub-Lb).*rand(sizep,dim); %种群初始化
• popv = zeros(sizep,dim);   % 速度
• Q = zeros(sizep,1);   % 频率
• pfitness = zeros(dim,1);
• for i = 1:sizep
•     pfitness(i) = evaluate2(pop(i,：）); %评价
• end
• [bestMin, bestID]=min(pfitness);
• bestS = pop(bestID, ：）;
• bestArchive = zeros(maxT,1);
• %% 论文中的新策略参数
• umin = 0.4; %The second modification (SIW method)
• umax = 0.9;
• sigma = 0.2;
• R0 = 0.1; %The 3th modification
• Rupper = 0.7;
• A0 = 0.9;
• Alower = 0.6;
• %% 具体迭代过程
• while t <= maxT
•     for i = 1:sizep
•         Q(i)=Qmin+(Qmin-Qmax)*rand();
•         w = umin +(umax-umin)*rand()+sigma*randn(); %The second modification (SIW method)
•         popv(i,：）=w*popv(i,：）+(pop(i,：）-bestS)*Q(i); %The second modification (SIW method)
•         Stemp = pop(i,：）+popv(i,：）;
•         % 脉冲率
•          if rand>r(i)
•              Stemp=bestS-1+2*rand(1,dim);
•          end
•          fitTemp = evaluate2(Stemp);
•          if (fitTemp<=pfitness(i))&&(rand()<A(i))
•             pop(i,：） = Stemp;
•             pfitness(i) = fitTemp;
•             A(i) = (A0-Alower)/(1-maxT)*(t-maxT)+Alower; %The 3th modification
•             r(i) = (R0-Rupper)/(1-maxT)*(t-maxT)+Rupper; %The 3th modification
•          end
•          if fitTemp <= bestMin
•             bestID = i;
•             bestMin = fitTemp;
•                  bestS = Stemp;
•          end
•     end
•     interX = bestS.*rand(); %The 1th modification (ILS method)
•     interXfit = evaluate2(interX);
•     if interXfit < bestMin
•         bestMin = interXfit;
•         bestS = interX;
•         pop(bestID,：） = bestS;
•         pfitness(bestID,：） = bestMin;
•     else
•         if exp(bestMin-interXfit) > rand()
•             bestMin = interXfit;
•             bestS = interX;
•             pop(bestID,：） = bestS;
•             pfitness(bestID,：） = bestMin;
•         end
•     end
•     bestArchive(t) = bestMin;
•     fprintf('GEN: %d  min: %.4f\n', t, bestMin);
•     t = t +1;
• end
• end%.m end
  : V6 t! U) G. |4 q

               

评价函数：
" d! ^0 U6 K! |  j" f& T
& X) Y0 |2 A- ]+ e, U2 @

• function z = evaluate2(u)
• %Weierstrass
• dim= length(u);
• sum_1=0;
• sum_2=0;
• sum_3=0;
• a = 0.5;
• b = 3;
• for i=1:dim
•     for k=0:30
•        sum_1=sum_1+(a^k)*(cos(2*pi*(b^k)*(u(i)+0.5)));
•     end
•     sum_2=sum_2+sum_1;
•     sum_1 = 0;
• end
• for k=0:30
•        sum_3=sum_3+(a^k)*(cos(2*pi*(b^k)*0.5));
• end
• z=sum_2-dim*sum_3;
• end
  

, j9 z7 e" ^( a
  

xiaogegepcb

基于迭代局部搜索和随机惯性权重的BA算法MATLAB实现（ILSSIWBA）