时空块体模型组合与优化算法.rar_angle155_growhze_优化算法_块体_矿山

function [Alpha_score,Alpha_pos,Convergence_curve]=GWO(SearchAgents_no,Max_iteration,lb,ub,dim) % 初始化 alpha、beta和delta狼的初始位置 Alpha_pos=zeros(1,dim); Alpha_score=inf; Beta_pos=zeros(1,dim); Beta_score=inf; Delta_pos=zeros(1,dim); Delta_score=inf; %人工狼设定初始位置 Positions=rand(SearchAgents_no,dim).*(ub-lb)+lb; Convergence_curve=zeros(1,Max_iteration); l=0;% 循环计数器 % 主程序 while l<Max_iteration for i=1:size(Positions,1) %调整超出取值范围的人工狼的位置 Flag4ub=Positions(i,:)>ub; Flag4lb=Positions(i,:)<lb; Positions(i,:)=(Positions(i,:).*(~(Flag4ub+Flag4lb)))+ub.*Flag4ub+lb.*Flag4lb; %计算每个人工狼的适应度函数 positions=Positions(i,:); x0=rand(); %输入的训练样本 y=cos(x0); o1=Positions(i,1:4); o1=o1'; %第一层隐含层阈值 o2=Positions(i,5:8); o2=o2'; %第二层隐含层阈值 o3=Positions(i,9); %输出层阈值 w1=Positions(i,10:13); w1=w1'; %输入层到第一隐含层的权系数 w2=[Positions(i,14:17);Positions(i,18:21);Positions(i,22:25);Positions(i,26:29)]; w2=w2'; %第一层隐含层与第二层隐含层的权系数 w3=Positions(i,30:33); %第二层隐含层与输出层的权系数 s1=w1*x0-o1; %第一层隐含层输入 x1=1./(1+exp(-s1)); %第一层隐含层输出 s2=w2*x1-o2; %第二层隐含层输入 x2=1./(1+exp(-s2)); %第二层隐含层输出 s3=w3*x2-o3; %输出层输入 %x3=1./(1+exp(-s3)); %输出层输出 fitness=(y-s3)^2; %适应度检验 %更新Alpha，Beta，Delta狼的位置 if fitness<Alpha_score Alpha_score=fitness; Alpha_pos=Positions(i,:); end if fitness>Alpha_score && fitness<Beta_score Beta_score=fitness; Beta_pos=Positions(i,:); end if fitness>Alpha_score && fitness>Beta_score && fitness<Delta_score Delta_score=fitness; Delta_pos=Positions(i,:); end end a=2-l*((2)/Max_iteration); %a的线性下降 %更新包括omegas的人工狼的位置 for i=1:size(Positions,1) for j=1:size(Positions,2) r1=rand(); r2=rand(); A1=2*a*r1-a; C1=2*r2; D_alpha=abs(C1*Alpha_pos(j)-Positions(i,j)); X1=Alpha_pos(j)-A1*D_alpha; r1=rand(); r2=rand(); A2=2*a*r1-a; C2=2*r2; D_beta=abs(C2*Beta_pos(j)-Positions(i,j)); X2=Beta_pos(j)-A2*D_beta; r1=rand(); r2=rand(); A3=2*a*r1-a; C3=2*r2; D_delta=abs(C3*Delta_pos(j)-Positions(i,j)); X3=Delta_pos(j)-A3*D_delta; Positions(i,j)=(X1+X2+X3)/3; end end l=l+1; Convergence_curve(l)=Alpha_score; end