⛄ 内容介绍
针对传统鲸鱼优化算法求解精度不高,容易陷入局部最优的缺点,提出了一种基于交叉选择策略的柯西反向鲸鱼优化算法.在鲸鱼优化算法中引入柯西反向学习技术以加快算法的收敛速度;对鲸鱼优化算法中的种群个体进行交叉和选择操作以提高算法的求解精度.对引入不同改进策略的鲸鱼优化算法在Matlab软件中进行仿真测试,结果表明:与基本鲸鱼优化算法相比,所提算法的收敛速度和寻优精度有显著提升,在大规模传感器优化管理方面具有十分重要的工程应用价值.
⛄ 部分代码
clear all
clc
close all
SearchAgents_no=30; % Number of search agents 种群数量
Function_name='F6'; % Name of the test function that can be from F1 to F23 (Table 1,2,3 in the paper) 设定适应度函数
Max_iteration=500; % Maximum numbef of iterations 设定最大迭代次数
% Load details of the selected benchmark function
[lb,ub,dim,fobj]=Get_Functions_details(Function_name); %设定边界以及优化函数
%原始鲸鱼算法
[Best_score,Best_pos,WOA_cg_curve]=WOA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj); %开始优化
%改进鲸鱼算法
[Best_score1,Best_pos1,WOA_cg_curve1]=TIWOA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj); %开始优化
figure('Position',[269 240 660 290])
%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(WOA_cg_curve,'Color','g','linewidth',1.5)
hold on
semilogy(WOA_cg_curve1,'Color','r','linewidth',1.5);
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
legend('WOA','TIWOA');
axis tight
grid on
box on
display(['The best solution obtained by WOA is : ', num2str(Best_pos)]);
display(['The best optimal value of the objective funciton found by WOA is : ', num2str(Best_score)]);
display(['The best solution obtained by TIWOA is : ', num2str(Best_pos1)]);
display(['The best optimal value of the objective funciton found byTIWOA is : ', num2str(Best_score1)]);
⛄ 运行结果
⛄ 参考文献
[1]冯文涛, 邓兵. 一种基于交叉选择的柯西反向鲸鱼优化算法[J]. 兵器装备工程学报, 2020, 41(8):7.
⛄ Matlab代码关注
❤️部分理论引用网络文献，若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料