无约束连续函数优化的人工鱼群算法通用MATLAB源码

无约束连续函数优化的人工鱼群算法通用MATLAB源码此源码是对人工鱼群算法的一种实现，用于无约束连续函数的优化求解，对于含有约束的情况，可以先使用罚函数等方法，把问题处理成无约束的模型，再使用本源码进行求解。function BESTX,BESTY,ALLX,ALLY=FSOUCP(K,N,V,Delta,L,LB,UB)% Fish Swarm Optimization for Unconstrained Continuous Problem% FSOUCP.m% 无约束连续函数的人工鱼群优化算法% 此函数实现人工鱼群算法，用于求解无约束连续函数最小化问题% 对于最大化问题，请先将其加负号转化为最小化问题% 输入参数列表% K 迭代次数% N 鱼群规模% V 人工鱼的感知范围% Delta 拥挤程度的判决门限，取值01之间% L 觅食行为的试探次数% LB 决策变量的下界，M1的向量% UB 决策变量的上界，M1的向量% 输出参数列表% BESTX K1细胞结构，每一个元素是M1向量，记录每一代的最优人工鱼的状态% BESTY K1矩阵，记录每一代的最优人工鱼的评价函数值% ALLX K1细胞结构，每一个元素是MN矩阵，记录每一代人工鱼的位置% ALLY KN矩阵，记录每一代人工鱼的评价函数值% 测试函数设置% 测试函数用单独的子函数编写好，在子函数FIT.m中修改要调用的测试函数名即可% 注意：决策变量的下界LB和上界UB，要与测试函数保持一致% 参考设置%BESTX,BESTY,ALLX,ALLY=FSOUCP(50,30,0.5,0.3,20,LB,UB)% 第一步：M=length(LB);%决策变量的个数%蚁群位置初始化X=zeros(M,N);for i=1:M x=unifrnd(LB(i),UB(i),1,N); X(i,:)=x;end%输出变量初始化ALLX=cell(K,1);%细胞结构，每一个元素是MN矩阵，记录每一代的个体ALLY=zeros(K,N);%KN矩阵，记录每一代评价函数值BESTX=cell(K,1);%细胞结构，每一个元素是M1向量，记录每一代的最优个体BESTY=zeros(K,1);%K1矩阵，记录每一代的最优个体的评价函数值k=1;%迭代计数器初始化% 第二步：迭代过程while k=3 xx=AFswarm(x,Xnb,N,Delta,V,L,LB,UB); else xx=AFprey(x,V,L,LB,UB); end NewX(:,n)=xx; end for n=1:N NewY(n)=FIT(NewX(:,n); end X=NewX; Y=NewY; ALLXk=X; ALLY(k,:)=Y; minY=min(Y); pos=find(Y=minY); BESTXk=X(:,pos(1); BESTY(k)=minY; disp(k); k=k+1;end% 绘图BESTY2=BESTY;BESTX2=BESTX;for k=1:K TempY=BESTY(1:k); minTempY=min(TempY); posY=find(TempY=minTempY); BESTY2(k)=minTempY; BESTX2k=BESTXposY(1);endBESTY=BESTY2;BESTX=BESTX2;plot(BESTY,-ko,MarkerEdgeColor,k,MarkerFaceColor,k,MarkerSize,2)ylabel(函数值)xlabel(迭代次数)grid onfunction Xnb=AFneighbour(s,X,V)% 找出人工鱼感知范围内的邻居% 输入参数列表% s 当前人工鱼的编号% X MN矩阵，人工鱼群% V 人工鱼的感知范围% 输出参数列表% Xnb 第s个人工鱼的邻居%M,N=size(X);xs=X(:,s);Xnb=zeros(M,0);for n=1:N if n=s xn=X(:,n); dx=xn-xs; maxdx=max(dx); mindx=min(dx); if (maxdxV) Xnb=Xnb,xn; end endendfunction xx=AFprey(x,V,L,LB,UB)% 人工鱼觅食行为的子函数% 输入参数列表% x 觅食行为之前的状态% V 人工鱼的感知范围% L 觅食行为的试探次数% LB 决策变量的下界，M1的向量% UB 决策变量的上界，M1的向量% 输出参数列表% xx 觅食行为之后的状态%M=length(x);xx=zeros(M,1);counter=0;while 1 for m=1:M q=x(m)+unifrnd(-V,V,1,1