优化算法蛙跳算法 (SFLA)含Matlab源码 1839期

Posted 2022-04-09 紫极神光

一、获取代码方式

获取代码方式1：
完整代码已上传我的资源：【优化算法】蛙跳算法 (SFLA)【含Matlab源码 1839期】

获取代码方式2：
通过订阅紫极神光博客付费专栏，凭支付凭证，私信博主，可获得此代码。

备注：
订阅紫极神光博客付费专栏，可免费获得1份代码（有效期为订阅日起，三天内有效）；

二、部分源代码

clc;
clear;
close all;

%% 问题定义

%目标函数
CostFunction = @(x) Sphere(x);

nVar = 10;              % 未知变量的数量
VarSize = [1 nVar];     % 未知变量矩阵大小

VarMin = -10;           % 未知变量的下界
VarMax =  10;           % 未知变量的上限


%% SFLA参数
MaxIt = 1000;        % 最大迭代次数

nPopMemeplex = 10;                          % 记忆复合体大小
nPopMemeplex = max(nPopMemeplex, nVar+1);   % Nelder-Mead 标准品

nMemeplex = 5;                  % Memeplex 的数量
nPop = nMemeplex*nPopMemeplex;	% 人口规模

I = reshape(1:nPop, nMemeplex, []);

% FLA 参数
fla_params.q = max(round(0.3*nPopMemeplex),2);   % 父母人数
fla_params.alpha = 3;   %后代数量
fla_params.beta = 5;    % 最大迭代次数
fla_params.sigma = 2;   % 一步的大小
fla_params.CostFunction = CostFunction;
fla_params.VarMin = VarMin;
fla_params.VarMax = VarMax;

%%初始化

%清空个人模板
empty_individual.Position = [];
empty_individual.Cost = [];

% 初始化人口数组
pop = repmat(empty_individual, nPop, 1);

% 初始化种群成员
for i=1:nPop
    pop(i).Position = unifrnd(VarMin, VarMax, VarSize);
    pop(i).Cost = CostFunction(pop(i).Position);
end

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.