麻雀搜索算法SSA（有matlab代码，复制粘贴即可）

搜索优惠券和折扣代码 #生活知识# #购物技巧# #省钱购物法#

上代码，少废话。本人亲测，无误。现在我贴出来。

clear all;

close all;

clc;

%% 参数设置

N=30; %麻雀个数

dim=2; %评估函数维度

N_discoverer=0.7*N; %发现者个数

N_Followers=0.1*N; %追随者个数

N_Vigilant=0.2*N; %警戒者个数

Max_iter=100; %最大迭代次数

ST=0.6; %安全阈值

%% 测试函数

f=@(x) sum(x.^2);

ub=10;%边界上限

lb=-10;%边界下限

%% 初始化

x=lb+rand(N,dim).*(ub-lb); %初始化麻雀种群

for i=1:N

fitness(i)=f(x(i,:)); %计算麻雀种群的适应度值

end

[A,index]=sort(fitness);

x_best=x(index(1),:); %记录所有麻雀走过的位置的最优位置

x_worst=x(index(end),:); %记录所有麻雀走过的位置的最差位置

best_fitness=A(1); %记录所有麻雀走过的位置的最优值

worst_fitness=A(end); %记录所有麻雀走过的位置的最差值

x_best_currently=x(index(1),:); %记录当前麻雀种群最优位置

x_worst_currently=x(index(end),:); %记录当前麻雀种群最差位置

best_fitness_currently=A(1); %记录当前麻雀种群最优值

worst_fitness_currently=A(end); %记录当前麻雀种群最差值

x_discoverer=x(index(1:N_discoverer),:); %发现者位置

x_Followers=x(index(N_discoverer+1:N_discoverer+N_Followers),:); %追随者位置

x_Vigilant=x(index(N_discoverer+N_Followers+1:N),:); %警戒者位置

B=[-1,1];

F=best_fitness; %记录每次迭代的麻雀走过的位置的最优值

iter=1; %初始化迭代次数

%% 开始迭代更新

while iter<Max_iter

for i=1:dim

C(i)=B(round(rand)+1);

end

A=C'*inv((C*C'));

R2=rand;

%更新发现者位置

for i=1:N_discoverer

for j=1:dim

if R2<ST

x_discoverer(i,j)=x_discoverer(i,j)*exp(-i/rand*Max_iter);

else

x_discoverer(i,j)=x_discoverer(i,j)+randn;

end

end

%边界判断

ub_flag=x_discoverer(i,:)>ub;

lb_flag=x_discoverer(i,:)<lb;

x_discoverer(i,:)=(x_discoverer(i,:).*(~(ub_flag+lb_flag)))+ub.*ub_flag+lb.*lb_flag;

end

%更新追随者位置

for i=1:N_Followers

for j=1:dim

if i>N/2

x_Followers(i,j)=rand*exp((x_worst_currently(j)-x_Followers(i,j))/i^2);

else

x_Followers(i,j)=x_discoverer(1,j)+abs(x_Followers(i,j)-x_discoverer(1,j))*A(j);

end

end

%边界判断

ub_flag=x_Followers(i,:)>ub;

lb_flag=x_Followers(i,:)<lb;

x_Followers(i,:)=(x_Followers(i,:).*(~(ub_flag+lb_flag)))+ub.*ub_flag+lb.*lb_flag;

end

%更新警戒者位置

for i=1:N_Vigilant

for j=1:dim

if f(x_Vigilant(i,:))~=best_fitness_currently

x_Vigilant(i,j)=x_best_currently(j)+randn*abs(x_Vigilant(i,j)-x_best_currently(j));

else

x_Vigilant(i,j)=x_Vigilant(i,j)+B(round(rand)+1)*(abs(x_Vigilant(i,j)-x_worst_currently(j)))/abs(f(x_Vigilant(i,:))-worst_fitness_currently)+1;

end

end

%边界判断

ub_flag=x_Vigilant(i,:)>ub;

lb_flag=x_Vigilant(i,:)<lb;

x_Vigilant(i,:)=(x_Vigilant(i,:).*(~(ub_flag+lb_flag)))+ub.*ub_flag+lb.*lb_flag;

end

x=[x_discoverer;x_Followers;x_Vigilant]; %得到该次迭代下的所有麻雀的新位置

for i=1:N

fitness(i)=f(x(i,:)); %计算适应度

end

[E,index]=sort(fitness);

if f(x(index(1),:))<best_fitness %更新所有麻雀走过的位置的最优位置和最优值

best_fitness=f(x(index(1),:));

x_best=x(index(1),:);

end

if f(x(index(end),:))>worst_fitness %更新所有麻雀走过的位置的最差位置和最差值

worst_fitness= f(x(index(end),:));

x_worst=x(index(end),:);

end

x_best_currently=x(index(1),:); %更新当前麻雀种群的最优位置

x_worst_currently=x(index(end),:); %更新当前麻雀种群的最差位置

best_fitness_currently=E(1); %更新当前麻雀的种群的最优值

worst_fitness_currently=E(end); %更新当前麻雀的种群的最差值

x_discoverer=x(index(1:N_discoverer),:); %重新选择种群中的发现者

x_Followers=x(index(N_discoverer+1:N_discoverer+N_Followers),:); %重新选择种群中的追随者

x_Vigilant=x(index(N_discoverer+N_Followers+1:N),:); %重新选择种群中的警戒者

F=[F,best_fitness];

iter=iter+1; %迭代次数加一

end

%% 结果 作图

display(['最优值是:',num2str(F(end)),'最优麻雀位置:',num2str(x_best)]);

figure(1);

plot(F);

xlabel('迭代次数'),ylabel('适应度值');

以上代码是可以直接运行的。

复制粘贴即可

谢谢

您能点赞

收藏  加关注。

网址：麻雀搜索算法SSA（有matlab代码，复制粘贴即可） https://www.yuejiaxmz.com/news/view/421615

相关内容

【负荷预测】基于DBO、PSO、SSA、GOOSE算法优化ELM的电力负荷预测研究附Matlab代码
Matlab代码实践——BP神经网络
昆明交通违章查询助手资源
有品生活网上商城是一个基于Node.js搭建的在线购物平台，主要分为前后台两大模块。页面HTML5+CSS网页布局搭建.zip资源
低学历女生必考的8个证书 实现月薪1万
遗传算法matlab仿真实例
小麻雀生活管家
小麻雀生活助手免费下载
小麻雀生活管家官方版
MATLAB图像处理（包括图像类型转换）

随便看看