【樽海鞘算法】基于集成随机惯性权重和差分变异操作的樽海鞘群算法（ISSA）求解单目标问题附matlab代码

 1 简介

为了提高樽海鞘群算法(Salp Swarm Algorithm,SSA)的收敛速度,计算精度和全局优化能力,在分析总结粒子群优化(Particle Swarm Optimization,PSO)和差分进化(Differential Evolution,DE)算法相关研究成果后,提出了一种集成PSO算法随机惯性权重和DE算法差分变异操作的改进SSA算法——iSSA.首先,将PSO算法的随机惯性权重引入SSA算法的追随者位置更新公式中,用于增强和平衡SSA算法的勘探与开发能力;其次,用DE算法的变异操作替代SSA算法的领导者位置更新操作,以提高SSA算法的收敛速度和计算精度.为了检验随机惯性权重和差分变异操作对SSA算法的改进效果,在多个高维基准函数上进行了仿真实验,并与其他改进SSA算法进行了比较.实验结果及分析表明,与SSA算法和两个典型的改进SSA算法(ESSA和CASSA)相比,集成随机惯性权重和差分变异操作的iSSA算法,在没有增加算法时间复杂度的情况下,显著地提高了SSA算法的收敛速度,计算精度和全局优化能力,并且优于ESSA算法和CASSA算法.

2 部分代码

%% 樽海鞘算法function [FoodFitness,FoodPosition,Convergence_curve]=SSA(N,Max_iter,lb,ub,dim,fobj)​if size(ub,1)==1    ub=ones(dim,1)*ub;    lb=ones(dim,1)*lb;end​Convergence_curve = zeros(1,Max_iter);​%Initialize the positions of salpsSalpPositions=initialization(N,dim,ub,lb);​​FoodPosition=zeros(1,dim);FoodFitness=inf;​​%calculate the fitness of initial salps​for i=1:size(SalpPositions,1)    SalpFitness(1,i)=fobj(SalpPositions(i,:));end​[sorted_salps_fitness,sorted_indexes]=sort(SalpFitness);​for newindex=1:N    Sorted_salps(newindex,:)=SalpPositions(sorted_indexes(newindex),:);end​FoodPosition=Sorted_salps(1,:);FoodFitness=sorted_salps_fitness(1);Convergence_curve(1) = inf;%Main loopl=2; % start from the second iteration since the first iteration was dedicated to calculating the fitness of salpswhile l<Max_iter+1        c1 = 2*exp(-(4*l/Max_iter)^2); % Eq. (3.2) in the paper        for i=1:size(SalpPositions,1)                SalpPositions= SalpPositions';                if i<=N/2            for j=1:1:dim                c2=rand();                c3=rand();                %%%%%%%%%%%%% % Eq. (3.1) in the paper %%%%%%%%%%%%%%                if c3<0.5                     SalpPositions(j,i)=FoodPosition(j)+c1*((ub(j)-lb(j))*c2+lb(j));                else                    SalpPositions(j,i)=FoodPosition(j)-c1*((ub(j)-lb(j))*c2+lb(j));                end                %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%            end                    elseif i>N/2 && i<N+1            point1=SalpPositions(:,i-1);            point2=SalpPositions(:,i);                        SalpPositions(:,i)=(point2+point1)/2; % % Eq. (3.4) in the paper        end                SalpPositions= SalpPositions';    end        for i=1:size(SalpPositions,1)                Tp=SalpPositions(i,:)>ub';Tm=SalpPositions(i,:)<lb';SalpPositions(i,:)=(SalpPositions(i,:).*(~(Tp+Tm)))+ub'.*Tp+lb'.*Tm;                SalpFitness(1,i)=fobj(SalpPositions(i,:));                if SalpFitness(1,i)<FoodFitness            FoodPosition=SalpPositions(i,:);            FoodFitness=SalpFitness(1,i);                    end    end        Convergence_curve(l)=FoodFitness;    l = l + 1;end​​​​

3 仿真结果

4 参考文献

[1]张志强, 鲁晓锋, 隋连升,等. 集成随机惯性权重和差分变异操作的樽海鞘群算法[J]. 计算机科学, 2020, 47(8):5.

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。