多目标蚂蚁狮子优化算法（MOALO）附Matlab代码

✅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

​蚁狮算法( ALO) 通过对随机解的探索，逐渐寻找近似最优解。与粒子群等优化算法不同的是，在 ALO 算法中有两类种群个体，即蚂蚁和蚁狮。ALO 算法的寻优过程模拟蚁狮捕食的六个基本步骤: 蚂蚁的随机移动、蚁狮建立陷阱、蚂蚁落入陷阱、蚂蚁滑向蚁狮、蚁狮捕捉蚂蚁和重建陷阱。ALO 算法的基本步骤和数学模型如下:

⛄ 部分代码

%_________________________________________________________________________%

%  Multi-Objective Ant Lion Optimizer (MALO) source codes demo            %

%                           version 1.0                                   %

%   ________%

function ranks=RankingProcess(Archive_F, ArchiveMaxSize, obj_no)

global my_min;

global my_max;

%if all(my_min>min(Archive_F))

if size(Archive_F,1) == 1 && size(Archive_F,2) == 2

    my_min = Archive_F;

    my_max = Archive_F;

else

    my_min=min(Archive_F);

    %end

    %if all(my_max<max(Archive_F))

    my_max=max(Archive_F);

    %end

end

r=(my_max-my_min)/(20);

ranks=zeros(1,size(Archive_F,1));

for i=1:size(Archive_F,1)

    ranks(i)=0;

    for j=1:size(Archive_F,1)

        flag=0; % a flag to see if the point is in the neoghbourhood in all dimensions.

        for k=1:obj_no

            if (abs(Archive_F(j,k)-Archive_F(i,k))<r(k))

            %if ((sum(Archive_F(j,k).^obj_no-Archive_F(i,k).^obj_no))^(1/obj_no)<r(k))

                %ranks(i)=ranks(i)+sqrt(sum((Archive_F(i,:)-Archive_F(j,:)).^2));

                flag=flag+1;

            end

        end

        if flag==obj_no

            ranks(i)=ranks(i)+1;

        end

    end

end

end

⛄ 运行结果

​

⛄ 参考文献

[1]杨容嫣. 面向配电物联网的边缘计算资源优化调度研究[D]. 华北电力大学.

❤️ 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