【材料生成算法】基于材料生成算法求解单目标优化问题 (MGA)含Matlab源码

【材料生成算法】基于材料生成算法求解单目标优化问题 (MGA)含Matlab源码

1 简介

2021年，一种新的算法，材料生成算法（MGA），被开发并应用于工程问题的优化设计。材料化学的一些高级和基础方面，特别是化学化合物的构型和生产新材料的化学反应，被确定为 MGA 的启发性概念。出于数值研究的目的，选择进化计算竞赛（CEC）对标的 10、30、50 和 100 不同维度的 10 个约束优化问题作为测试示例，而著名的工程设计中的 15 个还确定了问题以评估所提出方法的整体性能。不同经典和新的元启发式优化算法在处理所选问题时的最佳结果取自最近的文献，用于与 MGA 进行比较。此外，计算了 MGA 算法的统计值，包括均值、最差和标准差，并与其他元启发式算法的结果进行比较。总体而言，这项工作表明，所提出的 MGA 能够提供非常有竞争力，甚至是出色的结果，并且大多优于其他元启发式算法。

2 部分代码

clear all clcSearchAgents_no=30; % Number of search agentsFunction_name='F4'; % Name of the test function that can be from F1 to F23 (Table 1,2,3 in the paper)Max_iteration=300; % Maximum numbef of iterations% Load details of the selected benchmark function[lb,ub,dim,fobj]=Get_Functions_details(Function_name);[Best_pos,cg_curve]=MGA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);figure('Position',[284 214 660 290])%Draw search spacesubplot(1,2,1);func_plot(Function_name);title('Test function')xlabel('x_1');ylabel('x_2');zlabel([Function_name,'( x_1 , x_2 )'])grid off%Draw objective spacesubplot(1,2,2);semilogy(cg_curve,'Color','b','linewidth',2)title('Convergence curve')xlabel('Iteration');ylabel('Best flame (score) obtained so far');axis tightgrid offbox onlegend('MGA')

3 仿真结果

4 参考文献

[1] Talatahari S ,  Azizi M ,  Gandomi A H . Material Generation Algorithm: A Novel Metaheuristic Algorithm for Optimization of Engineering Problems[J]. Processes, 2021, 9(5):859.

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。