【樽海鞘算法】基于集成随机惯性权重和差分变异操作的樽海鞘群算法（ISSA）求解单目标问题附matlab代码

【樽海鞘算法】基于集成随机惯性权重和差分变异操作的樽海鞘群算法（ISSA）求解单目标问题附matlab代码

1 简介

为了提高樽海鞘群算法(Salp Swarm Algorithm,SSA)的收敛速度,计算精度和全局优化能力,在分析总结粒子群优化(Particle Swarm Optimization,PSO)和差分进化(Differential Evolution,DE)算法相关研究成果后,提出了一种集成PSO算法随机惯性权重和DE算法差分变异操作的改进SSA算法——iSSA.首先,将PSO算法的随机惯性权重引入SSA算法的追随者位置更新公式中,用于增强和平衡SSA算法的勘探与开发能力;其次,用DE算法的变异操作替代SSA算法的领导者位置更新操作,以提高SSA算法的收敛速度和计算精度.为了检验随机惯性权重和差分变异操作对SSA算法的改进效果,在多个高维基准函数上进行了仿真实验,并与其他改进SSA算法进行了比较.实验结果及分析表明,与SSA算法和两个典型的改进SSA算法(ESSA和CASSA)相比,集成随机惯性权重和差分变异操作的iSSA算法,在没有增加算法时间复杂度的情况下,显著地提高了SSA算法的收敛速度,计算精度和全局优化能力,并且优于ESSA算法和CASSA算法.

2 部分代码

%% 樽海鞘算法function [FoodFitness,FoodPosition,Convergence_curve]=SSA(N,Max_iter,lb,ub,dim,fobj)if size(ub,1)==1 ub=ones(dim,1)*ub; lb=ones(dim,1)*lb;endConvergence_curve = zeros(1,Max_iter);%Initialize the positions of salpsSalpPositions=initialization(N,dim,ub,lb);FoodPosition=zeros(1,dim);FoodFitness=inf;%calculate the fitness of initial salpsfor i=1:size(SalpPositions,1) SalpFitness(1,i)=fobj(SalpPositions(i,:));end[sorted_salps_fitness,sorted_indexes]=sort(SalpFitness);for newindex=1:N Sorted_salps(newindex,:)=SalpPositions(sorted_indexes(newindex),:);endFoodPosition=Sorted_salps(1,:);FoodFitness=sorted_salps_fitness(1);Convergence_curve(1) = inf;%Main loopl=2; % start from the second iteration since the first iteration was dedicated to calculating the fitness of salpswhile lN/2 && iub';Tm=SalpPositions(i,:)

3 仿真结果

4 参考文献

[1]张志强, 鲁晓锋, 隋连升,等. 集成随机惯性权重和差分变异操作的樽海鞘群算法[J]. 计算机科学, 2020, 47(8):5.

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。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。