【智能优化算法】适应度-距离平衡黑猩猩优化算法 (FDBChOA) 附matlab代码

最新推荐文章于 2024-08-30 22:55:01 发布

matlab科研助手

最新推荐文章于 2024-08-30 22:55:01 发布

阅读量214

点赞数

CC 4.0 BY-SA版权

分类专栏：优化求解文章标签： matlab 算法开发语言

本文链接：https://blog.youkuaiyun.com/matlab_dingdang/article/details/128786122

优化求解专栏收录该内容

553 篇文章

订阅专栏

本文提出了一种基于适应度距离平衡的黑猩猩优化算法(FDBChOA)，该算法作为元启发式搜索方法用于解决全局优化问题，并成功应用于电力系统稳定器参数优化。通过对黑猩猩社会行为的模拟及策略改进，FDBChOA相较于原版黑猩猩优化算法(ChOA)在求解精度上表现出更佳性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

✅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电力系统

信号处理图像处理路径规划元胞自动机无人机

⛄ 内容介绍

这篇文章对文学有两个重要贡献。它们分别是基于适应度距离平衡的黑猩猩优化算法 (FDBChOA) 作为一种强大的元启发式搜索方法的发展，可用于解决全局优化问题和电力系统稳定器参数的优化，这是一种流行的实际-世界工程问题。黑猩猩优化算法 (ChOA) 是最近开发的一种基于种群的启发式搜索方法，它模仿黑猩猩的社会行为。当分析 ChOA 在基准问题上的性能时，可以看出，与许多其他新开发的元启发式搜索方法一样，需要研究算法设计和改进算法在 ChOA 中模仿自然的能力。以此目的，当检查黑猩猩的社会化过程时，假设基于适应度-距离平衡设计攻击者和追逐者黑猩猩的狩猎过程可以提高 ChOA 算法的性能。在为检验这一假设而进行的研究中，针对攻击者和追逐者黑猩猩的基于 FDB 的狩猎过程应用了不同的策略，并设计了许多 FDBChOA 变体。所设计的算法已经在CEC 2020基准测试套件中进行了测试，并在单机无限总线电源系统中优化了电源系统稳定器的参数。当使用统计测试工具分析实验研究结果时，可以看出 FDBChOA 变体可以找到比 ChOA 更好的全局优化问题和电力系统稳定器参数优化的解决方案。

⛄ 部分代码

clear all

clc

Solution_no=50; % Number of search agents

F_name='F7'; % Name of the test function that can be from F1 to F23

M_Iter=200; % Maximum numbef of iterations

[LB,UB,Dim,F_obj]=Get_F(F_name);

[Best_FF,Best_P,conv]=fdb_choa(Solution_no,M_Iter,LB,UB,Dim,F_obj);

figure('Position',[200 300 770 267])

subplot(1,2,1);

func_plot(F_name);

title('Parameter space')

xlabel('x_1');

ylabel('x_2');

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

box on

axis tight

axis square

subplot(1,2,2);

plot(conv,'Color','r','LineWidth',1.5)

title('Convergence curve')

xlabel('Iteration#');

ylabel('Best score obtained so far');

box on

axis tight

axis square

display(['The best-obtained solution by fdb_choa is : ', num2str(Best_P)]);

display(['The best optimal values of the objective funciton found by fdb_choa is : ', num2str(Best_FF)]);

⛄ 运行结果

⛄ 参考文献

Bakir, H., Kahraman, H. T., Temel, S., Duman, S., Guvenc, U., & Sonmez, Y. (2023). Development of an FDB-Based Chimp Optimization Algorithm for Global Optimization and Determination of the Power System Stabilizer Parameters. In Smart Applications with Advanced Machine Learning and Human-Centred Problem Design (pp. 337-365). Cham: Springer International Publishing.