ABC算法

ABC算法步骤推荐这个，一步一步讲的很通透， http://mf.erciyes.edu.tr/abc/pub/Step%20by%20Step%20Procedure%20of%20ABC.pdf

跟着用MATLAB 写了下代码。

[plain]  view plain  copy

 

1. %/* ABC algorithm coded using MATLAB language */  
2. clear all  
3. close all  
4. clc  
5. global objfun D ub lb  
6.   
7.   
8. %注：这里没有说明objfun是什么，但是屏现有的知识，可以判断，它对应学习资料《step by step procedure of  
9. %ABC》上的f(x)= (x_1)^2+(x_2)^2  
10.   
11. %Foods [FoodNumber][D]; /*Foods is the population of food sources. Each row of Foods matrix is a vector holding D parameters to be optimized. The number of rows of Foods matrix equals to the FoodNumber*/  
12. %                       /*汉语解释Foods[][],它代表了食物源集，二维矩阵，不难理解，每行代表某食物源的D个属性，行数FoodNumber等于食物源数量*/  
13. %ObjVal[FoodNumber];  /*f is a vector holding objective function values associated with food sources */  
14. %                     /*ObjVal[]是个向量，存储了目标函数值*/  
15. %Fitness[FoodNumber]; /*fitness is a vector holding fitness (quality) values associated with food sources*/  
16. %                     /*Fitness[]是个向量，存储了fitness 值*/  
17. %trial[FoodNumber]; /*trial is a vector holding trial numbers through which solutions can not be improved*/  
18. %                   /*trial 是个向量，证明哪个食物源没被提高*/  
19. %prob[FoodNumber]; /*prob is a vector holding probabilities of food sources (solutions) to be chosen*/  
20. %                  /*prob 存储概率*/  
21. %solution [D]; /*New solution (neighbour) produced by v_{ij}=x_{ij}+\phi_{ij}*(x_{kj}-x_{ij}) j is a randomly chosen parameter and k is a randomlu chosen solution different from i*/  
22. %              /*solution [D] 产生一个新的食物源，用的公式跟资料上的一模一样*/  
23. %ObjValSol; /*Objective function value of new solution*/  
24. %           /*新食物源的目标函数值*/  
25. %FitnessSol; /*Fitness value of new solution*/  
26. %           /*新食物源的fitness值*/  
27. %neighbour, param2change; /*param2change corrresponds to j, neighbour corresponds to k in equation v_{ij}=x_{ij}+\phi_{ij}*(x_{kj}-x_{ij})*/  
28. %           /*这两个参数对应着产生新食物源公式的j,k参数*/  
29. %GlobalMin; /*Optimum solution obtained by ABC algorithm*/  
30. %           /*利用ABC算法得到的最佳的食物源？*/  
31. %GlobalParams[D]; /*Parameters of the optimum solution*/  
32. %           /*最佳食物源参数*/  
33. %GlobalMins[runtime]; /*GlobalMins holds the GlobalMin of each run in multiple runs*/  
34. %           /**/  
35.   
36. GlobalMins=zeros(1,runtime);  
37.   
38. for r=1:runtime  
39.     
40. % /*All food sources are initialized */  
41. %/*Variables are initialized in the range [lb,ub]. If each parameter has different range, use arrays lb[j], ub[j] instead of lb and ub */  
42.   
43. Range = repmat((ub-lb),[FoodNumber 1]);  
44. Lower = repmat(lb, [FoodNumber 1]);   
45. Foods = rand(FoodNumber,D) .* Range + Lower; %这里隐藏知识，因为+号要求左右两端横纵维数相同，所以得知，Range和Lower 都是FoodNumber行，D列，所以得知上面，ub和lb分别是1行D列的  
46.   
47. ObjVal=feval(objfun,Foods);   
48. Fitness=calculateFitness(ObjVal); %注：这里的calculateFitness并没有实现，但是源码作者想让读者明白，执行的是计算Fitness值的运算。  
49.   
50. %reset trial counters     
51. trial=zeros(1,FoodNumber);  
52.     
53. %/*The best food source is memorized*/  
54. %注：下面这个find(ObjVal==min(ObjVal)) 套式经常用，找到最小值所处的所有位置  
55. BestInd=find(ObjVal==min(ObjVal));  
56. BestInd=BestInd(end);   
57.   
58. GlobalMin=ObjVal(BestInd);  
59. GlobalParams=Foods(BestInd,:);   
60.   
61. iter=1;  
62. while ((iter <= maxCycle)),  
63.   
64. %%%%%%%%% EMPLOYED BEE PHASE %%%%%%%%%%%%%%%%%%%%%%%%  
65.     for i=1:(FoodNumber)  
66.           
67.         %/*The parameter to be changed is determined randomly*/  
68.         Param2Change=fix(rand*D)+1;  
69.           
70.         %/*A randomly chosen solution is used in producing a mutant solution of the solution i*/  
71.         neighbour=fix(rand*(FoodNumber))+1;  
72.          
73.         %/*Randomly selected solution must be different from the solution i*/          
74.             while(neighbour==i)  
75.                 neighbour=fix(rand*(FoodNumber))+1;  
76.             end;  
77.           
78.        sol=Foods(i,:); %sol代表solution 一个食物源,在matlab语言中 x(i，:)代表x矩阵中第i行的所有元素  
79.        %  /*v_{ij}=x_{ij}+\phi_{ij}*(x_{kj}-x_{ij}) */  
80.        sol(Param2Change)=Foods(i,Param2Change)+(Foods(i,Param2Change)-Foods(neighbour,Param2Change))*(rand-0.5)*2;  
81.           
82.        %  /*if generated parameter value is out of boundaries, it is shifted onto the boundaries*/  
83.         ind=find(sol<lb);  
84.         sol(ind)=lb(ind);  
85.         ind=find(sol>ub);  
86.         sol(ind)=ub(ind);  
87.           
88.         %evaluate new solution  
89.         ObjValSol=feval(objfun,sol);  
90.         FitnessSol=calculateFitness(ObjValSol);  
91.           
92.        % /*a greedy selection is applied between the current solution i and its mutant*/  
93.        if (FitnessSol>Fitness(i)) %/*If the mutant solution is better than the current solution i, replace the solution with the mutant and reset the trial counter of solution i*/  
94.             Foods(i,:)=sol;  
95.             Fitness(i)=FitnessSol;  
96.             ObjVal(i)=ObjValSol;  
97.             trial(i)=0;  
98.         else  
99.             trial(i)=trial(i)+1; %/*if the solution i can not be improved, increase its trial counter*/  
100.        end;  
101.            
102.            
103.     end;  
104.   
105. %%%%%%%%%%%%%%%%%%%%%%%% CalculateProbabilities %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%  
106. %/* A food source is chosen with the probability which is proportioal to its quality*/  
107. %/*Different schemes can be used to calculate the probability values*/  
108. %/*For example prob(i)=fitness(i)/sum(fitness)*/  
109. %/*or in a way used in the metot below prob(i)=a*fitness(i)/max(fitness)+b*/  
110. %/*probability values are calculated by using fitness values and normalized by dividing maximum fitness value*/  
111.   
112. prob=(0.9.*Fitness./max(Fitness))+0.1;  
113.     
114. %%%%%%%%%%%%%%%%%%%%%%%% ONLOOKER BEE PHASE %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%  
115. %/*注：这段代码跟楼上一样，其实在onlooker bee 阶段，做的工作跟employed bee一样的。*/  
116. i=1;  
117. t=0;  
118. while(t<FoodNumber)  
119.     if(rand<prob(i))  
120.         t=t+1;  
121.         %/*The parameter to be changed is determined randomly*/  
122.         Param2Change=fix(rand*D)+1;  
123.           
124.         %/*A randomly chosen solution is used in producing a mutant solution of the solution i*/  
125.         neighbour=fix(rand*(FoodNumber))+1;  
126.          
127.         %/*Randomly selected solution must be different from the solution i*/          
128.             while(neighbour==i)  
129.                 neighbour=fix(rand*(FoodNumber))+1;  
130.             end;  
131.           
132.        sol=Foods(i,:);  
133.        %  /*v_{ij}=x_{ij}+\phi_{ij}*(x_{kj}-x_{ij}) */  
134.        sol(Param2Change)=Foods(i,Param2Change)+(Foods(i,Param2Change)-Foods(neighbour,Param2Change))*(rand-0.5)*2;  
135.           
136.        %  /*if generated parameter value is out of boundaries, it is shifted onto the boundaries*/  
137.         ind=find(sol<lb);  
138.         sol(ind)=lb(ind);  
139.         ind=find(sol>ub);  
140.         sol(ind)=ub(ind);  
141.           
142.         %evaluate new solution  
143.         ObjValSol=feval(objfun,sol);  
144.         FitnessSol=calculateFitness(ObjValSol);  
145.           
146.        % /*a greedy selection is applied between the current solution i and its mutant*/  
147.        if (FitnessSol>Fitness(i)) %/*If the mutant solution is better than the current solution i, replace the solution with the mutant and reset the trial counter of solution i*/  
148.             Foods(i,:)=sol;  
149.             Fitness(i)=FitnessSol;  
150.             ObjVal(i)=ObjValSol;  
151.             trial(i)=0;  
152.         else  
153.             trial(i)=trial(i)+1; %/*if the solution i can not be improved, increase its trial counter*/  
154.        end;  
155.     end;  
156.       
157.     i=i+1;  
158.     if (i==(FoodNumber)+1)   
159.         i=1;  
160.     end;     
161. end;   
162.   
163.   
164. %/*The best food source is memorized*/  
165.          ind=find(ObjVal==min(ObjVal));  
166.          ind=ind(end);  
167.          if (ObjVal(ind)<GlobalMin)  
168.          GlobalMin=ObjVal(ind);  
169.          GlobalParams=Foods(ind,:);  
170.          end;  
171.            
172.            
173. %%%%%%%%%%%% SCOUT BEE PHASE %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%  
174. %/*注:其实在scout bee阶段，就是根据trial counter 做处理*/  
175. %/*determine the food sources whose trial counter exceeds the "limit" value.   
176. %In Basic ABC, only one scout is allowed to occur in each cycle*/  
177.   
178. ind=find(trial==max(trial));  
179. ind=ind(end);  
180. if (trial(ind)>limit)  
181.     Bas(ind)=0;  
182.     sol=(ub-lb).*rand(1,D)+lb;  
183.     ObjValSol=feval(objfun,sol);  
184.     FitnessSol=calculateFitness(ObjValSol);  
185.     Foods(ind,:)=sol;  
186.     Fitness(ind)=FitnessSol;  
187.     ObjVal(ind)=ObjValSol;  
188. end;  
189.   
190.   
191.   
192. fprintf('ter=%d ObjVal=%g\n',iter,GlobalMin);  
193. iter=iter+1;  
194.   
195. end % End of ABC  
196.   
197. GlobalMins(r)=GlobalMin;  
198. end; %end of runs  
199.   
200. save all