clc;clear all;
m=50 %种群分组数
n=35; %t每组青蛙包含的个数
Ne=25; %组内迭代数
smax = 100; %最大步长
MAXGEN=100; %种群总进化代数
d=25; %优化问题维数
pmax =1024; %d维最大值
pmin = -1024;%d维最小值
%%产生初始青娃
F=m*n;
tic;
for i1=1:F
p(i1,:)=pmax*rands(1,d);
end
%%全局迭代寻优
yy=zeros(1,MAXGEN);
for ii=1:MAXGEN
for i2=1:F
fitness(i2)=fun(p(i2,:));
end
%排序，找最好的，并分组
[fitsort,index]=sort(fitness);
for i3=1:F
x(i3,:)=p(index(i3),:);
end
gx=x(1,:);%种群内最好的青娃
yy(ii)=fitsort(1);
% yy(ii)=fun(x(1,:));
% local=zeros(n,d);
for i4=1:m
local = p(i4:m:end,:);
for j=1:Ne %每组青蛙迭代次数
pb=local(1,:);%组内最优
pw=local(n,:);%组内最差
s1=rand.*(pb-pw);%采用组内最优更新
s1(find(s1>smax))=smax;
temp= pw+s1;
temp(find(temp>pmax))=pmax;
temp(find(temp<pmin))=pmin;
if fun(temp) > fun(pw)
s1=rand.*(gx-pw);%采用全局最优更新
s1(find(s1>smax))=smax;
temp=pw+s1;
temp(find(temp>pmax))=pmax;
temp(find(temp<pmin))=pmin;
end
if fun(temp)>fun(pw)
s1=pmax*rands(1,d);%随机更新
s1(find(s1>smax))=smax;
temp=pw+s1;
temp(find(temp>pmax))=pmax;
temp(find(temp<pmin))=pmin;
end
local(n,:) = temp;
for loc=1:n
fitlocal(loc)=fun(local(loc,:));
end
[localsort,indexlocal]=sort(fitlocal);
for loc=1:n
localnew(loc,:) = local(indexlocal(loc),:);
end
local=localnew;
end %结束Ne
p(i4:m:end,:) =local;
end %结束m
%最好的青娃适配值
end %结束MAXGEN
toc
%结果分析
plot(yy)
title('混合跬跳算法优化');
xlabel('总进化代数');ylabel('函数最优解');
