杂草优化算法的基本算法，非常好用！精度可以达到10的负12次方。

clc; clear; close all; tic; %%% 记录程序运行时间 %%% %%%%%%%%%%%%%% 1 初始化种群 %%%%%%%%%%%%% M0=30; %%% 初始种群个体数 %%% Mmax=50; %%%% 最大种群个体数 %%%%% itmax=2000; %%%% 迭代次数 %%%% dim=30; %%%%%% 问题维数 %%%%% smax=5; %%%%% 最大种子数 %%%%% smin=2; %%%%%% 最小种子数 %%%% n=3; %%% 调和指数 计算方差时要用的，是设好的固定值 %%%%% delta_initial=10; %%% 方差最大值 %%%% delta_final=0.001; %%% 方差最小值 %%%% xmax=100; xmin=-100; %%%% 问题解的最大最小 范围 %%%%%%%% X=xmin+(xmax-xmin)*rand(M0,dim); %%%%% 随机产生初始种群 %%%%% fit=fitness(X); %%% 计算种群的适应度函数值 %%%%%% best=0; %%% 定义一个数，用来存储最优解 %%% evrybest=[]; %%% 定义一个空阵，用来存储每代的最优解 %%% %%%%%%%%%%%%%%%%%%%%%%%%%主程序%%%%%%%%%%%%%%%%%%%%%%%%%%%%% iter=1; while iter<=itmax %%%%%% 循环迭代 %%%% %%%%%%%%%%%% 2 生长繁殖 产生种子 %%%%%%%%%%%%% Nseed=round(-(smax-smin)/(max(fit)-min(fit))*(fit-min(fit))+smax); %%%%%%%%%%%% 3 空间扩散 以正态随机分布 %%%%%%%%%%%%% delta_iter=(itmax-iter)^n/(itmax)^n*(delta_initial-delta_final)+delta_final; %%%% 上面的式子求正态分布的方差 %%%% l=size(X); X1=[]; for i=1:l(1) %%% 对于每个个体 %%% for j=1:Nseed(i) %%% 对于每个个体产生的种子数 %%%% Xnew=normrnd(X(i,:),delta_iter^2); %%%% 产生正态分布随机数 %%% if Xnew(:)>xmax Xnew(:)=xmax; end if Xnew(:)<xmin Xnew(:)=xmin; end %%%%% 限制解的范围 解决实际问题时，这步可有可无 %%%%% X1=[X1;Xnew]; %%% 将产生的所有子代存在X1中 %%%% end end %%%%%% 上面一段是 产生子代的过程 %%%%%%%%% fit_seed=fitness(X1); %%% 计算子代适应度值 %%% %%%%%%%%%%%% 4 竞争排除 %%%%%%%%%%%%%% X2=[X;X1]; %% 把父代和子代个体一起存到X2里 %%% f=[fit fit_seed]; %% 把父代和子代的适应度值一起存在f里 %% [p q]=sort(f); %% 把f排序，返回f从小到大的数存在p里，对应的位置存在q里 %%% X=[]; %%% 清空X %%%% l1=size(X2); fit=[]; %%% 清空fit %%% if l1(1)>Mmax for i=1:Mmax X(i,:)=X2(q(i),:); fit(i)=f(q(i)); end else X=X2;%%% 父代和子代一起，选出适应度值好的前Mmax个个体，存在X里%%%%%% fit=f;%%% 对应的适应度值存在fit里 %%% end best=max(fit); %% 存储最优值%% evrybest=[evrybest,best]; %%% 每代最优的适应度值 %%% iter=iter+1 end %%%%%%%%%%%%循环结束，输出结果%%%%%%%%%%%%% best %% 输出最优解 %%% plot(1:itmax,evrybest) %% 画出适应度值曲线 %%%%% toc %%% 显示程序运行时间 %%%