【粘菌算法】基于粘菌算法SMA求解单目标优化问题附matlab代码

本文链接：https://blog.youkuaiyun.com/matlab_dingdang/article/details/129278958

文章介绍了黏菌优化算法(SlimemouldAlgorithm,SMA)，一种由Li等人在2020年提出的元启发式算法，灵感来源于黏菌的觅食行为。该算法具有快速收敛和优秀寻优能力。文中提供了部分Matlab代码示例，展示了SMA在解决优化问题上的应用，包括代码准备、参数设置、算法执行以及收敛行为曲线的绘制。此外，还提到了算法的运行结果和相关参考文献。

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

黏菌优化算法（Slime mould algorithm，SMA）由 Li等于 2020 年提出，其灵感来自于黏菌的扩散和觅食行为，属于元启发算法。具有收敛速度快，寻优能力强的特点。黏菌优化算法用数学模型模仿黏菌觅食行为和形态变化， SMA 包括三个阶段，分别为接近食物阶段、包围食物阶段和抓取食物阶段。

⛄ 部分代码

clear

close all

clc

%% % Prepare the problem

Fun_name='F3';

%% % CSA 参数

searchAgents = 30;

maxIter = 100;

[lb,ub,dim,fobj]=fun_info(Fun_name);

[fitness,gbest,ccurve]=SMA(searchAgents,maxIter,lb,ub,dim,fobj);

disp(['===> The optimal fitness value found by Standard Chameleon is ', num2str(fitness, 12)]);

%% 绘制收敛行为曲线

figure('Position',[500 500 660 290])

subplot(1,2,1);

func_plot(Fun_name);

title('Objective space')

xlabel('x_1');

ylabel('x_2');

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

subplot(1,2,2);

set(gcf,'color','w');

semilogy(ccurve,'LineWidth',2,'Color','r'); grid;

title({'收敛特性曲线'},'interpreter','latex','FontName','仿宋','fontsize',12);

xlabel('迭代','interpreter','latex','FontName','仿宋','fontsize',12)

ylabel('迄今为止得出的最优值','interpreter','latex','FontName','仿宋','fontsize',12);

axis tight; grid on; box on

h1=legend('SMA','location','northeast');

set(h1,'interpreter','Latex','FontName','Times','FontSize',12)

ah=axes('position',get(gca,'position'),...

'visible','off');

⛄ 运行结果

⛄ 参考文献

[1] Shimin Li, Huiling Chen, Mingjing Wang, Ali Asghar Heidari, Seyedali Mirjalili, Slime mould algorithm: A new method for stochastic optimization, Future Generation Computer Systems, 2020.

DOI: Redirecting

[1]卫治廷, 张敏, 周兴野,等. 基于黏菌算法的热电联产机组负荷优化分配[J]. 动力工程学报, 2022(004):042.