【饥饿游戏搜索算法】基于饥饿游戏搜索算法求解单目标优化问题（HGS）含Matlab源码

1 简介

近年来，已发布了一组最新的基于人口的过度使用的方法。 尽管它们很受欢迎，但是由于操纵了系统的互联网营销，产品捆绑和广告技术，它们中的大多数具有不确定的，不成熟的性能，部分完成的验证，相似的过度使用的隐喻，相似的不成熟的勘探和开发组件和操作以及不安全的权衡取舍在大多数新的实际案例中，勘探与开发趋势之间的差异。 因此，所有用户都需要根据主要的进化方法广泛地修改和调整其操作，以实现更快的收敛，更稳定的平衡和高质量的结果。 为了使优化社区朝着更加注重性能而不是隐喻变化的方向前进，本研究提出了一种通用的基于总体的优化技术，称为“饥饿游戏搜索”（HGS），该技术结构简单，具有特殊的稳定性且非常实用。竞争绩效，以更有效地实现约束和非约束问题的解决方案。 拟议的HGS是根据饥饿驱动的活动和动物的行为选择而设计的。 这种动态的，适合健康的搜索方法遵循“饥饿”的简单概念，将其作为所有动物生命中最关键的体内平衡​。:饥饿游戏搜索算法(Hunger games search,HGS)是于2021年提出的一种新型智能优化算法，该算法是根据动物饥饿驱动活动和行为而设计的，具有寻优能力强，收敛速度快等特点。

2 部分代码

 % Hunger Games Search (HGS)%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%​clear all %#ok<CLALL>close allclcN=30; % Number of search agentsFunction_name='F21'; % Name of the test function, range from F1-F13FEs=100; % Maximum number of evaluation timesdimSize = 30;   %dimension size% Load details of the selected benchmark function[lb,ub,dim,fobj]=Get_Functions_details(Function_name);[Destination_fitness,bestPositions,Convergence_curve]=HGS(N,FEs,lb,ub,dim,fobj);%Draw objective spacefigure,subplot(1,2,1);func_plot(Function_name);title('Objective space')xlabel('x_1');ylabel('x_2');zlabel([Function_name,'( x_1 , x_2 )'])​subplot(1,2,2);​hold onsemilogy(Convergence_curve,'Color','r','LineWidth',2);title('Convergence curve')xlabel('Iteration');ylabel('Best fitness obtained so far');axis tightgrid offbox onlegend('HGS')​display(['The best location of HGS is: ', num2str(bestPositions)]);display(['The best fitness of HGS is: ', num2str(Destination_fitness)]);

3 仿真结果

4 参考文献

[1]陈慧灵, 杨宇涛, 丁泽威,等. 一种基于饥饿游戏搜索算法构建预测模型的方法:, CN110751257A[P]. 2020.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。