【北方苍鹰算法】基于北方苍鹰算法求解单目标优化问题附matlab代码

本文提出了一种名为北苍鹰优化(NGO)的新型算法,该算法模拟北苍鹰的狩猎策略来解决优化问题。NGO算法分为猎物识别和追尾过程两阶段,并在68个不同目标函数上进行了评估。代码示例展示了NGO算法在解决优化问题上的应用,并给出了仿真结果。该算法在解决复杂优化问题方面展现出潜力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 1 简介

优化算法是解决优化问题的有效随机方法之一。在本文中,提出了一种新的基于群体的算法,称为北苍鹰优化 (NGO) 算法,该算法模拟了北苍鹰在猎物狩猎过程中的行为。这种狩猎策略包括猎物识别和追尾过程两个阶段。描述了所提出的 NGO 算法的各个步骤,然后提出了用于解决优化问题的数学模型。在 68 个不同的目标函数上评估 NGO 解决优化问题的能力。

2 部分代码

% DOI: 10.1109/ACCESS.2021.3133286% Northern Goshawk Optimization: A New Swarm-Based Algorithm for Solving Optimization Problems% Mohammad Dehghani1, Pavel Trojovsk媒1, and Stepan Hub谩lovsk媒2% 1Department of Mathematics, Faculty of Science, University of Hradec Kr谩lov茅, 50003 Hradec Kr谩lov茅, Czech Republic % 2Department of Applied Cybernetics, Faculty of Science, University of Hradec Kr谩lov茅, 50003 Hradec Kr谩lov茅, Czech Republic % " Optimizer"%%clcclearclose allSearchAgents=30; Fun_name='F4';  Max_iterations=1000; [lowerbound,upperbound,dimension,fitness]=fun_info(Fun_name);[Score,Best_pos,NGO_curve]=NGO(SearchAgents,Max_iterations,lowerbound,upperbound,dimension,fitness);figure('Position',[300 300 660 290])subplot(1,2,1);fun_plot(Fun_name);title('Objective space')xlabel('x_1');ylabel('x_2');zlabel([Fun_name,'( x_1 , x_2 )'])subplot(1,2,2);plots=semilogx(NGO_curve,'Color','g');set(plots,'linewidth',2)hold ontitle('Objective space')xlabel('Iterations');ylabel('Best score');axis tightgrid onbox onlegend('NGO')display(['The best solution obtained by NGO is : ', num2str(Best_pos)]);display(['The best optimal value of the objective funciton found by NGO is : ', num2str(Score)]);

3 仿真结果

4 参考文献

M. Dehghani, Š. Hubálovský and P. Trojovský, "Northern Goshawk Optimization: A New Swarm-Based Algorithm for Solving Optimization Problems," in IEEE Access, vol. 9, pp. 162059-162080, 2021, doi: 10.1109/ACCESS.2021.3133286.

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。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

matlab科研助手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值