%==========================================================================
% 算法说明:荧火虫算法(GSO:Glowworm swarm optimisation:a new method for optimising mutlti-modal functions)
% =========================================================================
clc
clear;%清除变量
close all;
% ================================初始化开始================================
domx=[-3,3;-3,3];%定义域
%domx=[-2.048,2.048;-2.048,2.048];
rho =0.4; %荧光素挥发因子
gamma =0.6; %适应度提取比例
beta =0.08;%邻域变化率
nt =5; %邻域阀值(邻域荧火虫数)
s =0.01;%步长
iot0 =5; %荧光素浓度
rs =3; %3;%感知半径
r0 =1.5; %3;%决策半径
% ================================初始化结束================================
% ===============================分配空间开始===============================
m =size(domx,1); %函数空间维数
n =50; %萤火虫个数
gaddress =zeros(n,m);%分配荧火虫地址空间
ioti =zeros(n,1); %分配荧光素存放空间
rdi =zeros(n,1); %分配荧火虫决策半径存放空间
% ===============================分配空间结束===============================
figure(1);
sign_first = 1;
step_track = 0;
x = -3:0.1:3;
y = -3:0.1:3;
[xx,yy] = meshgrid(x,y);
j1=3*(1-xx).^2.*exp(-(xx.^2+(yy+1).^2));
j2=10*(xx./5-xx.^3-yy.^5).*exp(-(xx.^2+yy.^2));
j3=(1/3)*exp(-((xx+1).^2+yy));
zz=j1-j2-j3;
figure(1);
surf(xx,yy,zz);
hold on
% ===========================荧火虫常量初始化开始============================
%1.初始化地址
for i=1:m
gaddress(:,i)=domx(i,1)+(domx(i,2)-domx(i,1))*rand(n,1);
end
gvalue = maxfun(gaddress);
gbest_old = max(gvalue);
%
%可视化
plot3(gaddress(:,1),gaddress(:,2),gvalue(:),'b*');
drawnow;
pause(1);
%
%2.初始化荧光素
ioti(:,1)=iot0;
%3.初始化决策半径
rdi(:,1)=r0;
iter_max=500;%最大迭代次数
t=1;%迭代累计
unchange = 0;
% ===========================荧火虫常量初始化结束============================
% =============================iter_max迭代开始=============================
while(t<=iter_max) && (unchange<60)
%1.更新荧光素
ioti=max(0,(1-rho)*ioti+gamma*maxfun(gaddress));
%2.各荧火虫移动过程开始
for i=1:n
%2.1 决策半径内找更优点
Nit=[];%存放荧火虫序号
for j=1:n
if (norm(gaddress(j,:)-gaddress(i,:))<rdi(i))&&(ioti(i,1)<ioti(j,1))
Nit(numel(Nit)+1)=j;
end
end
%2.2 找下一步移动的点开始
if length(Nit)>0 %先判断Nit个数不为0
Nitioti=ioti(Nit,1);%选出Nit荧光素
SumNitioti=sum(Nitioti);%Nit荧光素和
Molecular=Nitioti-ioti(i,1);%分子
Denominator=SumNitioti-ioti(i,1);%分母
Pij=Molecular./Denominator;%计算Nit各元素被选择概率
Pij=cumsum(Pij);%累计
Pij=Pij./Pij(end);%归一化
Pos=find(rand<Pij);%确定位置
j=Nit(Pos(1));%确定j的位置
%荧火虫i向j移动一小步
gaddress(i,:)=gaddress(i,:)+s*(gaddress(j,:)-gaddress(i,:))/norm(gaddress(j,:)-gaddress(i,:));
gaddress(i,:)=range(gaddress(i,:),domx);%限制范围
%
%更新决策半径
rdi(i)=rdi(i)+beta*(nt-length(Nit));
if rdi(i,1)<0
rdi(i,1)=0;
end
if rdi(i,1)>rs
rdi(i,1)=rs;
end
end
%2.2 找下一步移动的点结束
end
%
%可视化
gvalue = maxfun(gaddress);
gbest_new = max(gvalue);
if gbest_new > gbest_old
unchange = 0;
gbest_old = gbest_new;
else
unchange = unchange + 1;
end
%plot(gaddress(:,1),gaddress(:,2),'b.','markersize',6);hold on;
if mod(t,20)
plot3(gaddress(:,1),gaddress(:,2),gvalue(:),'b*');
drawnow;
pause(0.01);
end
%2.各荧火虫移动过程结束
%保存动态图gif
f=getframe(gcf);
imind=frame2im(f);
[imind,cm] = rgb2ind(imind,256);
if(sign_first==1)
sign_first=0;
imwrite(imind,cm,'track.gif','gif', 'Loopcount',inf,'DelayTime',0.02);
else
imwrite(imind,cm,'track.gif','gif','WriteMode','append','DelayTime',0.02);
end
%保存动态图gif
t=t+1;
end
% =============================iter_max迭代结束=============================
% =============================输出最优结果开始=============================
gvalue=maxfun(gaddress);%求各个荧火虫的值
disp('最大值为:')
num=find(gvalue==max(gvalue));%最大值序号
MaxValue=-max(gvalue)
disp('最优解为:')
BestAddress=gaddress(num,:);
% =============================输出最优结果结束=============================
实现萤火虫算法_matlab源码.rar
版权申诉
157 浏览量
2021-12-12
14:04:53
上传
评论
收藏 2.01MB RAR 举报
m0_64350923
- 粉丝: 1
- 资源: 5万+
最新资源
- YOLOV4-TINY权重文件
- 以下是一个使用贪心算法解决多机调度问题的基本步骤0.txt
- 基于大数据的房产估价是近年来随着技术的发展而兴起的一种新型估价方法.txt
- 企业供应链管理系统v3.rar
- 富芮坤FR8016HA蓝牙开发板使用手册+硬件PCB图+封装库+DEMO演示软件源代码.zip
- 基于YOLOv7的芯片表面缺陷检测系统
- 京东物流 数字化供应链综合研究报告2018.rar
- 基于YOLOv7的植物虫害识别&防治系统
- 2000.1-2023.8中国经济政策不确定性指数月度数据.xlsx
- Screenshot_2024-04-21-20-42-15-443_com.tencent.mm.jpg
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈