【算法】海洋捕食者算法 MPA（matlab实现）

原创已于 2024-03-20 18:03:21 修改 · 773 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#算法

于 2024-03-20 18:00:41 首次发布

本文介绍了海洋捕食者算法的基本原理，其在解决复杂优化问题中的应用，并提供了Matlab代码示例，展示了算法的运行结果和收敛曲线。

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

💥1 概述

海洋捕食者算法（Marine Predators Algorithm， MPA）是一种受自然启发的优化算法，它借鉴了海洋生态系统中捕食者和猎物之间觅食策略的规则。该算法模拟了海洋生态系统中的捕食者和猎物之间的相互作用，并使用速率策略来指导优化过程。海洋捕食者算法通过模拟自然界中捕食者和猎物的相互作用，以一种智能且自适应的方式进行优化。它能够在解空间中进行全局搜索和局部优化，具有较强的自适应性和搜索能力。因此，MPA成为一个受欢迎的优化算法，并广泛应用于各种复杂优化问题的求解。

📚2 运行结果

主函数部分代码：


clear all
clc
format long
SearchAgents_no=25; % Number of search agents

Function_name='F23';
   
Max_iteration=500; % Maximum number of iterations

[lb,ub,dim,fobj]=Get_Functions_details(Function_name);

[Best_score,Best_pos,Convergence_curve]=MPA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);

% function topology
figure('Position',[500 400 700 290])
subplot(1,2,1);
func_plot(Function_name);
title('Function Topology')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])

% Convergence curve
subplot(1,2,2);
semilogy(Convergence_curve,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');