基于matlab的头脑风暴优化(Brain Storm Optimization Algorithm,BSO)的多目标优化仿真

目录

1.算法概述

2.仿真效果

3.MATLAB仿真源码

---

1.算法概述

       头脑风暴优化算法（Brain Storm Optimization Algorithm,简称 BSO 算法）作为一种新型的智能优化计算方法，在解决经典优化算法难以求解的大规模高维多峰函数问题是显示出其优势。

       BSO算法中的每一个个体都代表一个潜在的问题的解，通过个体的演化和融合进行个体的更新，这一过程与人类头脑风暴的过程相似．BSO算法的实现过程很简单：1）产 生n（种群大小）个 潜在的问题的解（个体），然后用k－means将这n个个体分为m（预先设定的参数）类，通过评估这n个个体，将每一类中的个体进行排序，选出每一类内最优的个体作为该类的中心个体；2）随机选中一个类的中心个体，按概率大小确定它是否被一个随机产生的个体所替代；3）进行个体的更新过程，通过下列某一种方式产生新个体．个体更新的4种方式如下．
a）随机选中一个类（每一类被选中的概率与类内个体数量成正比），将随机扰动加到类中心上产生新个体．
b）随机选中一个类（每一类被选中的概率与类内个体数量成正比），在选中的类中随机选出一个个体，加上一个随机扰动产生一个新个体．
c）随机选中2个类，将2个类中心 进 行 融 合 加上随机扰动产生一个新个体．
d）随机选中2个类，每类中各随机选出一个个体，进行融合，加上随机扰动产生一个新个体．
         通过调