基于matlab粒子群优化灰狼算法

uperrua

4 J( q9 E' v: _  L/ V
一、简介
8 q* R% u9 r- v4 d灰狼优化算法是最近提出的一种较有竞争力的优化技术.然而,它的位置更新方程存在开发能力强而探索能力弱的缺点.受差分进化和粒子群优化算法的启发,构建一个修改的个体位置更新方程以增强算法的探索能力;受粒子群优化算法的启发,提出一种控制参数a随机动态调整策略.此外,为了提高算法的全局收敛速度,用混沌初始化方法产生初始种群.采用18个高维测试函数进行仿真实验,结果表明:对于绝大多数情形,在相同最大适应度函数评价次数下,本文算法的性能明显优于标准灰狼优化算法.

. d: C. V* X0 n; @# L5 k二、源代码

# u' C& C  U$ J% G8 c

• %%
• clear all
• clc
• close all
• SearchAgents_no=30; % Number of search agents
• Function_name='F18'; % Name of the test function that can be from F1 to F23 (Table 1,2,3 in the paper)
• Max_iteration=500; % Maximum numbef of iterations
• % Load details of the selected benchmark function
• [lb,ub,dim,fobj]=Get_Functions_details(Function_name);
• [Best_score,Best_pos,PSOGWO_cg_curve]=PSOGWO(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);
• [Alpha_score,Alpha_pos,GWO_cg_curve]=GWO(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);
• figure('Position',[500 500 660 290])
• %Draw search space
• subplot(1,2,1);
• func_plot(Function_name);
• title('Parameter space')
• xlabel('x_1');
• ylabel('x_2');
• zlabel([Function_name,'( x_1 , x_2 )'])
• %Draw objective space
• subplot(1,2,2);
• semilogy(PSOGWO_cg_curve,'Color','r')
• hold on
• semilogy(GWO_cg_curve,'Color','b')
• title('Objective space')
• xlabel('Iteration');
• ylabel('Best score obtained so far');
• axis tight
• grid on
• box on
• legend('PSOGWO','GWO')
• display(['The best solution obtained by PSOGWO is : ', num2str(Best_pos)]);
• display(['The best optimal value of the objective funciton found by PSOGWO is : ', num2str(Best_score)]);
• display(['The best solution obtained by GWO is : ', num2str(Alpha_pos)]);
• display(['The best optimal value of the objective funciton found by GWO is : ', num2str(Alpha_score)]);
• % This function containts full information and implementations of the benchmark
• % functions in Table 1, Table 2, and Table 3 in the paper
• % lb is the lower bound: lb=[lb_1,lb_2,...,lb_d]
• % up is the uppper bound: ub=[ub_1,ub_2,...,ub_d]
• % dim is the number of variables (dimension of the problem)
• function [lb,ub,dim,fobj] = Get_Functions_details(F)
• switch F
•     case 'F1'
•         fobj = @F1;
•         lb=-100;
•         ub=100;
•         dim=30;
•     case 'F2'
•         fobj = @F2;
•         lb=-10;
•         ub=10;
•         dim=30;
•     case 'F3'
•         fobj = @F3;
•         lb=-100;
•         ub=100;
•         dim=30;
•     case 'F4'
•         fobj = @F4;
•         lb=-100;
•         ub=100;
•         dim=30;
•     case 'F5'
•         fobj = @F5;
•         lb=-30;
•         ub=30;
•         dim=30;
•     case 'F6'
•         fobj = @F6;
•         lb=-100;
•         ub=100;
•         dim=30;
•     case 'F7'
•         fobj = @F7;
•         lb=-1.28;
•         ub=1.28;
•         dim=30;
•     case 'F8'
•         fobj = @F8;
•         lb=-500;
•         ub=500;
•         dim=30;
•     case 'F9'
•         fobj = @F9;
•         lb=-5.12;
•         ub=5.12;
•         dim=30;
•     case 'F10'
•         fobj = @F10;
•         lb=-32;
•         ub=32;
•         dim=30;
•     case 'F11'
•         fobj = @F11;
•         lb=-600;
•         ub=600;
•         dim=30;
•     case 'F12'
•         fobj = @F12;
•         lb=-50;
•         ub=50;
•         dim=30;
•     case 'F13'
•         fobj = @F13;
•         lb=-50;
•         ub=50;
•         dim=30;
•     case 'F14'
•         fobj = @F14;
•         lb=-65.536;
•         ub=65.536;
•         dim=2;
•     case 'F15'
•         fobj = @F15;
•         lb=-5;
•         ub=5;
•         dim=4;
•     case 'F16'
•         fobj = @F16;
•         lb=-5;
•         ub=5;
•         dim=2;
•     case 'F17'
•         fobj = @F17;
•         lb=[-5,0];
•         ub=[10,15];
•         dim=2;
•     case 'F18'
•         fobj = @F18;
•         lb=-2;
•         ub=2;
•         dim=2;
•     case 'F19'
•         fobj = @F19;
•         lb=0;
•         ub=1;
•         dim=3;
•     case 'F20'
•         fobj = @F20;
•         lb=0;
•         ub=1;
•         dim=6;
•     case 'F21'
•         fobj = @F21;
•         lb=0;
•         ub=10;
•         dim=4;
•     case 'F22'
•         fobj = @F22;
•         lb=0;
•         ub=10;
•         dim=4;
•     case 'F23'
•         fobj = @F23;
•         lb=0;
•         ub=10;
•         dim=4;
• end
• end
• % F1
• function o = F1(x)
• o=sum(x.^2);
• end
• % F2
• function o = F2(x)
• o=sum(abs(x))+prod(abs(x));
• end
• % F3
• function o = F3(x)
• dim=size(x,2);
• o=0;
• for i=1:dim
•     o=o+sum(x(1:i))^2;
• end
• end
• % F4
• function o = F4(x)
• o=max(abs(x));
• end
• % F5
• function o = F5(x)
• dim=size(x,2);
• o=sum(100*(x(2:dim)-(x(1:dim-1).^2)).^2+(x(1:dim-1)-1).^2);
• end
• % F6
• function o = F6(x)
• o=sum(abs((x+.5)).^2);
• end
• % F7
• function o = F7(x)
• dim=size(x,2);
• o=sum([1:dim].*(x.^4))+rand;
• end
• % F8
• function o = F8(x)
• o=sum(-x.*sin(sqrt(abs(x))));
• end
• % F9
• function o = F9(x)
• dim=size(x,2);
• o=sum(x.^2-10*cos(2*pi.*x))+10*dim;
• end
• % F10
• function o = F10(x)
• dim=size(x,2);
• o=-20*exp(-.2*sqrt(sum(x.^2)/dim))-exp(sum(cos(2*pi.*x))/dim)+20+exp(1);
• end
• % F11
• function o = F11(x)
• dim=size(x,2);
• o=sum(x.^2)/4000-prod(cos(x./sqrt([1:dim])))+1;
• end
• % F12
• function o = F12(x)
• dim=size(x,2);
• o=(pi/dim)*(10*((sin(pi*(1+(x(1)+1)/4)))^2)+sum((((x(1:dim-1)+1)./4).^2).*...
• (1+10.*((sin(pi.*(1+(x(2:dim)+1)./4)))).^2))+((x(dim)+1)/4)^2)+sum(Ufun(x,10,100,4));
• end
• % F13
• function o = F13(x)
• dim=size(x,2);
• o=.1*((sin(3*pi*x(1)))^2+sum((x(1:dim-1)-1).^2.*(1+(sin(3.*pi.*x(2:dim))).^2))+...
• ((x(dim)-1)^2)*(1+(sin(2*pi*x(dim)))^2))+sum(Ufun(x,5,100,4));
• end
• % F14
• function o = F14(x)
• aS=[-32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32;,...
• -32 -32 -32 -32 -32 -16 -16 -16 -16 -16 0 0 0 0 0 16 16 16 16 16 32 32 32 32 32];
• for j=1:25
•     bS(j)=sum((x'-aS(:,j)).^6);
• end
• o=(1/500+sum(1./([1:25]+bS))).^(-1);
• end
• % F15
• function o = F15(x)
• aK=[.1957 .1947 .1735 .16 .0844 .0627 .0456 .0342 .0323 .0235 .0246];
• bK=[.25 .5 1 2 4 6 8 10 12 14 16];bK=1./bK;
• o=sum((aK-((x(1).*(bK.^2+x(2).*bK))./(bK.^2+x(3).*bK+x(4)))).^2);
• end
• % F16
• function o = F16(x)
• o=4*(x(1)^2)-2.1*(x(1)^4)+(x(1)^6)/3+x(1)*x(2)-4*(x(2)^2)+4*(x(2)^4);
• end
• % F17
• function o = F17(x)
• o=(x(2)-(x(1)^2)*5.1/(4*(pi^2))+5/pi*x(1)-6)^2+10*(1-1/(8*pi))*cos(x(1))+10;
• end
• % F18
• function o = F18(x)
• o=(1+(x(1)+x(2)+1)^2*(19-14*x(1)+3*(x(1)^2)-14*x(2)+6*x(1)*x(2)+3*x(2)^2))*...
•     (30+(2*x(1)-3*x(2))^2*(18-32*x(1)+12*(x(1)^2)+48*x(2)-36*x(1)*x(2)+27*(x(2)^2)));
• end
• % F19
• function o = F19(x)
• aH=[3 10 30;.1 10 35;3 10 30;.1 10 35];cH=[1 1.2 3 3.2];
• pH=[.3689 .117 .2673;.4699 .4387 .747;.1091 .8732 .5547;.03815 .5743 .8828];
• o=0;
• for i=1:4
•     o=o-cH(i)*exp(-(sum(aH(i,：）.*((x-pH(i,：）).^2))));
• end
• end
• % F20
• function o = F20(x)
• aH=[10 3 17 3.5 1.7 8;.05 10 17 .1 8 14;3 3.5 1.7 10 17 8;17 8 .05 10 .1 14];
• cH=[1 1.2 3 3.2];
• pH=[.1312 .1696 .5569 .0124 .8283 .5886;.2329 .4135 .8307 .3736 .1004 .9991;...
• .2348 .1415 .3522 .2883 .3047 .6650;.4047 .8828 .8732 .5743 .1091 .0381];
• o=0;
• for i=1:4
•     o=o-cH(i)*exp(-(sum(aH(i,：）.*((x-pH(i,：）).^2))));
• end
• end
• % F21
• function o = F21(x)
• aSH=[4 4 4 4;1 1 1 1;8 8 8 8;6 6 6 6;3 7 3 7;2 9 2 9;5 5 3 3;8 1 8 1;6 2 6 2;7 3.6 7 3.6];
• cSH=[.1 .2 .2 .4 .4 .6 .3 .7 .5 .5];
• o=0;
• for i=1:5
•     o=o-((x-aSH(i,：）)*(x-aSH(i,：）)'+cSH(i))^(-1);
• end
• end
• % F22
• function o = F22(x)
• aSH=[4 4 4 4;1 1 1 1;8 8 8 8;6 6 6 6;3 7 3 7;2 9 2 9;5 5 3 3;8 1 8 1;6 2 6 2;7 3.6 7 3.6];
• cSH=[.1 .2 .2 .4 .4 .6 .3 .7 .5 .5];
• o=0;
• for i=1:7
•     o=o-((x-aSH(i,：）)*(x-aSH(i,：）)'+cSH(i))^(-1);
• end
• end
• % F23
• function o = F23(x)
• aSH=[4 4 4 4;1 1 1 1;8 8 8 8;6 6 6 6;3 7 3 7;2 9 2 9;5 5 3 3;8 1 8 1;6 2 6 2;7 3.6 7 3.6];
• cSH=[.1 .2 .2 .4 .4 .6 .3 .7 .5 .5];
• o=0;
• for i=1:10
•     o=o-((x-aSH(i,：）)*(x-aSH(i,：）)'+cSH(i))^(-1);
• end
• end
• function o=Ufun(x,a,k,m)
• o=k.*((x-a).^m).*(x>a)+k.*((-x-a).^m).*(x<(-a));
• end
• 
  

                                                              

- k" R5 I8 `- ?' z1 ]1 C三、运行结果
, G+ |5 j2 i6 T$ O$ W$ ^; a+ f

ExxNEN

基于matlab粒子群优化灰狼算法

Iroiman