1 简介
针对鲸鱼优化算法在函数优化时存在收敛速度慢,易陷入局部最优等问题,提出了一种基于自适应策略的混合鲸鱼优化算法.该算法中先利用蝙蝠算法的局部搜索机制对当前鲸鱼算法最优解进行高斯扰动产生局部新解,再把局部新解放入蝙蝠种群中,根据局部新解的位置优劣更新鲸鱼群位置,达到增强种群多样性,避免过早陷入局部最优的目的;然后利用自适应策略改善平衡算法的全局寻优和局部寻优;最后通过优化鲸鱼搜索路径提升搜索精度.实验仿真结果表明:本文提出的算法的总体寻优性能优于狼群算法,蝗虫算法,标准粒子群算法和标准鲸鱼算法.
2 部分代码
%_________________________________________________________________________%
% 鲸鱼优化算法? ? ? ? ? ? ?%
%_________________________________________________________________________%
% The Whale Optimization Algorithm
function [Leader_score,Leader_pos,Convergence_curve]=WOA(SearchAgents_no,Max_iter,lb,ub,dim,fobj)
% initialize position vector and score for the leader?
Leader_pos=zeros(1,dim);
Leader_score=inf; %change this to -inf for maximization problems
%Initialize the positions of search agents
Positions=initialization(SearchAgents_no,dim,ub,lb);
Convergence_curve=zeros(1,Max_iter);
t=0;% Loop counter
% Main loop
while t<Max_iter
? ? for i=1:size(Positions,1)
? ? ? ??
? ? ? ? % Return back the search agents that go beyond the boundaries of the search space
? ? ? ? Flag4ub=Positions(i,:)>ub;
? ? ? ? Flag4lb=Positions(i,:)<lb;
? ? ? ? Positions(i,:)=(Positions(i,:).*(~(Flag4ub+Flag4lb)))+ub.*Flag4ub+lb.*Flag4lb;
? ? ? ??
? ? ? ? % Calculate objective function for each search agent
? ? ? ? fitness=fobj(Positions(i,:));
? ? ? ??
? ? ? ? % Update the leader
? ? ? ? if fitness<Leader_score % Change this to > for maximization problem
? ? ? ? ? ? Leader_score=fitness; % Update alpha
? ? ? ? ? ? Leader_pos=Positions(i,:);
? ? ? ? end
? ? ? ??
? ? end
? ??
? ? a=2-t*((2)/Max_iter); % a decreases linearly fron 2 to 0 in Eq. (2.3)
? ??
? ? % a2 linearly dicreases from -1 to -2 to calculate t in Eq. (3.12)
? ? a2=-1+t*((-1)/Max_iter);
? ??
? ? % Update the Position of search agents?
? ? for i=1:size(Positions,1)
? ? ? ? r1=rand(); % r1 is a random number in [0,1]
? ? ? ? r2=rand(); % r2 is a random number in [0,1]
? ? ? ??
? ? ? ? A=2*a*r1-a;? % Eq. (2.3) in the paper
? ? ? ? C=2*r2;? ? ? % Eq. (2.4) in the paper
? ? ? ??
? ? ? ??
? ? ? ? b=1;? ? ? ? ? ? ? ?%? parameters in Eq. (2.5)
? ? ? ? l=(a2-1)*rand+1;? ?%? parameters in Eq. (2.5)
? ? ? ??
? ? ? ? p = rand();? ? ? ? % p in Eq. (2.6)
? ? ? ??
? ? ? ? for j=1:size(Positions,2)
? ? ? ? ? ??
? ? ? ? ? ? if p<0.5? ?
? ? ? ? ? ? ? ? if abs(A)>=1
? ? ? ? ? ? ? ? ? ? rand_leader_index = floor(SearchAgents_no*rand()+1);
? ? ? ? ? ? ? ? ? ? X_rand = Positions(rand_leader_index, :);
? ? ? ? ? ? ? ? ? ? D_X_rand=abs(C*X_rand(j)-Positions(i,j)); % Eq. (2.7)
? ? ? ? ? ? ? ? ? ? Positions(i,j)=X_rand(j)-A*D_X_rand;? ? ? % Eq. (2.8)
? ? ? ? ? ? ? ? ? ??
? ? ? ? ? ? ? ? elseif abs(A)<1
? ? ? ? ? ? ? ? ? ? D_Leader=abs(C*Leader_pos(j)-Positions(i,j)); % Eq. (2.1)
? ? ? ? ? ? ? ? ? ? Positions(i,j)=Leader_pos(j)-A*D_Leader;? ? ? % Eq. (2.2)
? ? ? ? ? ? ? ? end
? ? ? ? ? ? ? ??
? ? ? ? ? ? elseif p>=0.5
? ? ? ? ? ? ??
? ? ? ? ? ? ? ? distance2Leader=abs(Leader_pos(j)-Positions(i,j));
? ? ? ? ? ? ? ? % Eq. (2.5)
? ? ? ? ? ? ? ? Positions(i,j)=distance2Leader*exp(b.*l).*cos(l.*2*pi)+Leader_pos(j);
? ? ? ? ? ? ? ??
? ? ? ? ? ? end
? ? ? ? ? ??
? ? ? ? end
? ? end
? ? t=t+1;
? ? Convergence_curve(t)=Leader_score;
end
?3 仿真结果
4 参考文献
[1]王廷元, 何先波, 贺春林. 一种基于自适应策略的混合鲸鱼优化算法[J]. 西华师范大学学报：自然科学版, 2021, 42(1):8.
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。