注意：此代碼實(shí)現(xiàn)的是求目標(biāo)函數(shù)最大值女嘲，求最小值可將適應(yīng)度函數(shù)乘以-1（框架代碼已實(shí)現(xiàn)）非迹。
注意：此代碼實(shí)現(xiàn)的是求目標(biāo)函數(shù)最大值声畏，求最小值可將適應(yīng)度函數(shù)乘以-1（框架代碼已實(shí)現(xiàn)）激率。
注意：此代碼實(shí)現(xiàn)的是求目標(biāo)函數(shù)最大值，求最小值可將適應(yīng)度函數(shù)乘以-1（框架代碼已實(shí)現(xiàn)）季蚂。
1.代碼實(shí)現(xiàn)
不了解群搜索算法可以先看看優(yōu)化算法筆記（十一）群搜索算法
實(shí)現(xiàn)代碼前需要先完成優(yōu)化算法matlab實(shí)現(xiàn)（二）框架編寫(xiě)中的框架的編寫(xiě)茫船。
| 文件名 | 描述 |
|---|---|
| ..\optimization algorithm\frame\Unit.m | 個(gè)體 |
| ..\optimization algorithm\frame\Algorithm_Impl.m | 算法主體 |
以及優(yōu)化算法matlab實(shí)現(xiàn)（四）測(cè)試粒子群算法中的測(cè)試函數(shù)琅束、函數(shù)圖像的編寫(xiě)。
| 文件名 | 描述 |
|---|---|
| ..\optimization algorithm\frame\Get_Functions_details.m | 測(cè)試函數(shù)算谈，求值用 |
| ..\optimization algorithm\frame\func_plot.m | 函數(shù)圖像狰闪，畫(huà)圖用 |
群搜索算法的個(gè)體有獨(dú)有屬性:角度。
群搜索算法個(gè)體
文件名：..\optimization algorithm\algorithm_group_search\GSO_Unit.m
% 群搜索算法個(gè)體
classdef GSO_Unit < Unit
properties
% 個(gè)體的角度
angle
end
methods
function self = GSO_Unit()
end
end
end
群搜索算法主體
文件名：..\optimization algorithm\algorithm_ group_search\GSO_Base.m
% 群搜索算法
classdef GSO_Base < Algorithm_Impl
properties
% 算法名稱(chēng)
name = 'GSO';
% 最大步長(zhǎng)
l_max;
% a
a;
% 角度最大值
angle_max;
% 轉(zhuǎn)向角度最大值濒生，為角度最大值的一半
alpha_max;
end
% 外部可調(diào)用的方法
methods
function self = GSO_Base(dim,size,iter_max,range_min_list,range_max_list)
% 調(diào)用父類(lèi)構(gòu)造函數(shù)
self@Algorithm_Impl(dim,size,iter_max,range_min_list,range_max_list);
self.name ='GSO';
% 計(jì)算最大步長(zhǎng)
self.l_max = sqrt(sum((self.range_max_list-self.range_min_list).^2));
self.a = sqrt(self.dim+1);
self.angle_max = pi/(self.dim+1);
self.alpha_max = self.angle_max/2;
end
end
% 繼承重寫(xiě)父類(lèi)的方法
methods (Access = protected)
% 初始化種群
function init(self)
init@Algorithm_Impl(self)
%初始化種群
for i = 1:self.size
unit = GSO_Unit();
% 隨機(jī)初始化位置：rand(0,1).*(max-min)+min
unit.position = unifrnd(self.range_min_list,self.range_max_list);
% 計(jì)算適應(yīng)度值
unit.value = self.cal_fitfunction(unit.position);
unit.angle = ones(1,self.dim -1 )*pi/4;
% 將個(gè)體加入群體數(shù)組
self.unit_list = [self.unit_list,unit];
end
end
% 每一代的更新
function update(self,iter)
update@Algorithm_Impl(self,iter)
% 獲取最優(yōu)個(gè)體id
best_id = self.get_best_id();
for i = 1:self.size
if(best_id ==i)
% 最優(yōu)個(gè)體，為發(fā)現(xiàn)者
self.update_producer(i);
else
r = rand();
if(r<0.8)
% 80%為跟隨者
self.update_scroungers(i);
else
% 20%為游蕩者
self.update_rangers(i);
end
end
end
end
% 更新發(fā)現(xiàn)者
function update_producer(self,id)
% 在0度方向搜索
% 根據(jù)角度計(jì)算方向
direction_zero = self.get_direction(self.unit_list(id).angle);
% 根據(jù)方向計(jì)算位置
pos_zero = self.unit_list(id).position + self.l_max*normrnd(0,1,1,self.dim).*direction_zero;
% 越界檢查
pos_zero = self.get_out_bound_value(pos_zero);
% 計(jì)算當(dāng)前值
value_zero = self.cal_fitfunction(pos_zero);
% 在左側(cè)方向搜索
% 獲取左側(cè)角度
angle_left = self.unit_list(id).angle - unifrnd(0,self.angle_max/2,1,self.dim-1);
% 根據(jù)角度計(jì)算方向
direction_left = self.get_direction(angle_left);
% 根據(jù)方向計(jì)算位置
pos_left = self.unit_list(id).position + self.l_max*normrnd(0,1,1,self.dim).*direction_left;
% 越界檢查
pos_left = self.get_out_bound_value(pos_left);
value_left = self.cal_fitfunction(pos_left);
% 在右側(cè)方向搜索
% 獲取右側(cè)角度
angle_right = self.unit_list(id).angle + unifrnd(0,self.angle_max/2,1,self.dim-1);
% 根據(jù)角度計(jì)算方向
direction_right = self.get_direction(angle_right);
% 根據(jù)方向計(jì)算位置
pos_right = self.unit_list(id).position + self.l_max*normrnd(0,1,1,self.dim).*direction_right;
pos_right = self.get_out_bound_value(pos_right);
% 越界檢查
value_right = self.cal_fitfunction(pos_right);
% 獲取新角度
new_angle = self.unit_list(id).angle + unifrnd(0,self.alpha_max,1,self.dim-1);
% 取這三個(gè)中的最優(yōu)解
if(value_zero>self.unit_list(id).value)
self.unit_list(id).value = value_zero;
self.unit_list(id).position = pos_zero;
self.unit_list(id).angle = new_angle;
end
if(value_left>self.unit_list(id).value)
self.unit_list(id).value = value_left;
self.unit_list(id).position = pos_left;
self.unit_list(id).angle = new_angle;
end
if(value_right>self.unit_list(id).value)
self.unit_list(id).value = value_right;
self.unit_list(id).position = pos_right;
self.unit_list(id).angle = new_angle;
end
end
% 更新跟隨者
function update_scroungers(self,id)
% 計(jì)算跟隨者新位置
new_pos = self.unit_list(id).position+unifrnd(0,1,1,self.dim).*(self.position_best-self.unit_list(id).position);
% 越界檢查
new_pos = self.get_out_bound_value(new_pos);
% 計(jì)算適應(yīng)度函數(shù)值
new_value = self.cal_fitfunction(new_pos);
if(new_value>self.unit_list(id).value)
% 保存新位置
self.unit_list(id).position = new_pos;
% 保存新適應(yīng)度值
self.unit_list(id).value = new_value;
end
end
% 更新游蕩者
function update_rangers(self,id)
% 計(jì)算游蕩者方向
direction = self.get_direction(self.unit_list(id).angle);
% 根據(jù)方向計(jì)算位置
new_pos = self.unit_list(id).position + self.a*self.l_max*normrnd(0,1,1,self.dim).*direction;
% 越界檢查
new_pos = self.get_out_bound_value(new_pos);
% 計(jì)算適應(yīng)度函數(shù)值
new_value = self.cal_fitfunction(new_pos);
% 保存新位置
self.unit_list(id).position = new_pos;
% 保存新適應(yīng)度值
self.unit_list(id).value = new_value;
end
% 從角度獲取方向（角度比方向少一維）
function direction = get_direction(self,angle)
direction = ones(1,self.dim);
for i = 1:self.dim-1
direction(1) = direction(1)*cos(angle(i));
end
for i = 2:self.dim-2
direction(i) = sin(angle(i-1));
for j = i:self.dim-2
direction(i) =direction(i)*cos(angle(j));
end
end
direction(self.dim) = sin(angle(self.dim-1));
end
% 獲取當(dāng)前最優(yōu)個(gè)體的id
function best_id=get_best_id(self)
% 求最大值則降序排列
[value,index] = sort([self.unit_list.value],'descend');
best_id = index(1);
end
end
end
文件名：..\optimization algorithm\algorithm_group_search\GSO_Impl.m
算法實(shí)現(xiàn)幔欧，繼承于Base,圖方便也可不寫(xiě)罪治，直接用GSO_Base，這里為了命名一致礁蔗。
% 群搜索算法實(shí)現(xiàn)
classdef GSO_Impl < GSO_Base
% 外部可調(diào)用的方法
methods
function self = GSO_Impl(dim,size,iter_max,range_min_list,range_max_list)
% 調(diào)用父類(lèi)構(gòu)造函數(shù)設(shè)置參數(shù)
self@GSO_Base(dim,size,iter_max,range_min_list,range_max_list);
end
end
end
2.測(cè)試
測(cè)試F1
文件名：..\optimization algorithm\algorithm_group_search\Test.m
%% 清理之前的數(shù)據(jù)
% 清除所有數(shù)據(jù)
clear all;
% 清除窗口輸出
clc;
%% 添加框架路徑
% 將上級(jí)目錄中的frame文件夾加入路徑
addpath('../frame')
%% 選擇測(cè)試函數(shù)
Function_name='F1';
% [最小值觉义，最大值，維度浴井，測(cè)試函數(shù)]
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);
%% 算法實(shí)例
% 種群數(shù)量
size = 50;
% 最大迭代次數(shù)
iter_max = 1000;
% 取值范圍上界
range_max_list = ones(1,dim)*ub;
% 取值范圍下界
range_min_list = ones(1,dim)*lb;
% 實(shí)例化群搜索算法類(lèi)
base = GSO_Impl(dim,size,iter_max,range_min_list,range_max_list);
% 告訴算法求不是求最大值
base.is_cal_max = false;
% 確定適應(yīng)度函數(shù)
base.fitfunction =fobj;
% 運(yùn)行
base.run();
%% 繪制圖像
figure('Position',[500 500 660 290])
% Draw search space
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])
% Draw objective space
subplot(1,2,2);
% 繪制曲線
semilogy(base.value_best_history,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
% 將坐標(biāo)軸調(diào)整為緊湊型
axis tight
% 添加網(wǎng)格
grid on
% 四邊都顯示刻度
box off
legend(base.name)
display(['The best solution obtained by ',base.name ,' is ', num2str(base.value_best)]);
display(['The best optimal value of the objective funciton found by ',base.name ,' is ', num2str(base.position_best)]);
