海马算法（Sea-Horse optimizer ，SHO）附matlab代码

本文链接：https://blog.youkuaiyun.com/matlab_dingdang/article/details/127710915

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法神经网络预测雷达通信无线传感器

信号处理图像处理路径规划元胞自动机无人机电力系统

⛄ 内容介绍

本文提出了一种新的基于群体智能的元启发式算法，称为海马优化器（SHO），其灵感来自自然界中海马的运动、捕食和繁殖行为。在前两个阶段，SHO分别模拟了海马的不同运动模式和概率捕食机制。具体来说，海马的运动方式分为受海洋漩涡作用螺旋状漂浮或沿海流漂流。对于捕食策略，它模拟了海马以一定概率捕获猎物的成功或失败。此外，由于男性怀孕的独特性，在第三阶段，所提出的算法旨在在保持父本积极信息的同时进行后代繁殖，有利于增加种群多样性。这三种智能行为被数学表达和构建，以平衡 SHO 的局部开发和全局探索。SHO 的性能是在 23 个知名函数和 CEC2014 基准函数上与六种最先进的元启发式算法进行比较的。最后，利用五个现实世界的工程问题来测试 SHO 的有效性。实验结果表明，SHO是一种高性能的优化器，对处理约束问题具有积极的适应性。SHO 源代码可从以下位置获得：SHO 的性能是在 23 个知名函数和 CEC2014 基准函数上与六种最先进的元启发式算法进行比较的。最后，利用五个现实世界的工程问题来测试 SHO 的有效性。实验结果表明，SHO是一种高性能的优化器，对处理约束问题具有积极的适应性。SHO 源代码可从以下位置获得：SHO 的性能是在 23 个知名函数和 CEC2014 基准函数上与六种最先进的元启发式算法进行比较的。最后，利用五个现实世界的工程问题来测试 SHO 的有效性。实验结果表明，SHO是一种高性能的优化器，对处理约束问题具有积极的适应性。

⛄ 部分代码

%_______________________________________________________________________________________%

% Sea-Horse optimizer (SHO)

%_______________________________________________________________________________________%

clear all

clc

close all

popsize=30; % Number of search agents

Max_iter=500; % Maximum iteration

F_name='F15'; % Name of the test function that can be from F1 to F23 (Table 2,3,4 in the paper)

[LB,UB,Dim,fobj]=BenchmarkFunctions(F_name);% Load details of the selected benchmark function

tic

[ObjectiveFitness,ObjectivePosition,Convergence_curve,Trajectories,fitness_history, population_history]=SHO(popsize,Max_iter,LB,UB,Dim,fobj);

time=toc;

figure('Position',[284 214 660 290])

%Draw search space

subplot(1,2,1);

func_plot(F_name);

title('Test function')

xlabel('x_1');

ylabel('x_2');

zlabel([F_name,'( x_1 , x_2 )'])

grid off

subplot(1,2,2);

semilogy(1:Max_iter,Convergence_curve,'color','r','linewidth',2.5);

title('Convergence curve');

xlabel('Iteration');

ylabel('Best score obtained so far')

display(['The running time is:', num2str(time)]);

display(['The best solution obtained by SHO is : ', num2str(ObjectiveFitness)]);

display(['The best optimal sea horse of the objective funciton found by SHO is : ', num2str(ObjectivePosition)]);

⛄ 运行结果

⛄ 参考文献

Zhao, S., Zhang, T., Ma, S. et al. Sea-horse optimizer: a novel nature-inspired meta-heuristic for global optimization problems. Appl Intell (2022). https://doi.org/10.1007/s10489-022-03994-3

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除