【鲸鱼算法】基于Tent混沌鲸鱼算法求解单目标优化问题附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        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

为了改善鲸鱼优化算法(WOA)的不足,如容易陷入局部最优,收敛速度慢等问题,本文提出了改进鲸鱼优化算法.通过混沌Tent映射随机生成算法的初始种群位置,让种群分布更均匀,加快算法的收敛速度;.实验部分通过对基准函数仿真仿真结果表明:本文所提改进算法具有良好的有效性和优越性.​

⛄ 部分代码

function [Leader_score,Leader_pos,Convergence_curve]=IWOA(SearchAgents_no,Max_iter,lb,ub,dim,fobj)

% initialize position vector and score for the leader 

Leader_pos=zeros(1,dim);

Leader_score=inf; %change this to -inf for maximization problems

%×?·??ò??????

Positions=initializationNew(SearchAgents_no,dim,ub,lb,fobj);

Convergence_curve=zeros(1,Max_iter);

t=0;% Loop counter

% Main loop

while t<Max_iter

    for i=1:size(Positions,1)

        

        % Return back the search agents that go beyond the boundaries of the search space

        Flag4ub=Positions(i,:)>ub;

        Flag4lb=Positions(i,:)<lb;

        Positions(i,:)=(Positions(i,:).*(~(Flag4ub+Flag4lb)))+ub.*Flag4ub+lb.*Flag4lb;

        

        % Calculate objective function for each search agent

        fitness=fobj(Positions(i,:));

        

        % Update the leader

        if fitness<Leader_score % Change this to > for maximization problem

            Leader_score=fitness; % Update alpha

            Leader_pos=Positions(i,:);

        end

        

    end

    

    %·??????????ò×?

    a=2 - sin(t*pi/(2*Max_iter) + 0);

    

    % a2 linearly dicreases from -1 to -2 to calculate t in Eq. (3.12)

    a2=-1+t*((-1)/Max_iter);

    

    %×??????¨??

    w = 1 - (exp(t/Max_iter) - 1)/(exp(1) -1);

    % Update the Position of search agents 

    for i=1:size(Positions,1)

        r1=rand(); % r1 is a random number in [0,1]

        r2=rand(); % r2 is a random number in [0,1]

        

        A=2*a*r1-a;  % Eq. (2.3) in the paper

        C=2*r2;      % Eq. (2.4) in the paper

        

        

        b=1;               %  parameters in Eq. (2.5)

        l=(a2-1)*rand+1;   %  parameters in Eq. (2.5)

        

        p = rand();        % p in Eq. (2.6)

        

        for j=1:size(Positions,2)

            

            if p<0.5   

                if abs(A)>=1

                    rand_leader_index = floor(SearchAgents_no*rand()+1);

                    X_rand = Positions(rand_leader_index, :);

                    D_X_rand=abs(C*X_rand(j)-Positions(i,j)); % Eq. (2.7)

                    Positions(i,j)=w*X_rand(j)-A*D_X_rand;      % ?????¨??

                    

                elseif abs(A)<1

                    D_Leader=abs(C*Leader_pos(j)-Positions(i,j)); % Eq. (2.1)

                    Positions(i,j)=w*Leader_pos(j)-A*D_Leader;       % ?????¨??

                end

                

            elseif p>=0.5

              

                distance2Leader=abs(Leader_pos(j)-Positions(i,j));

                % Eq. (2.5)

                Positions(i,j)=distance2Leader*exp(b.*l).*cos(l.*2*pi)+w*Leader_pos(j);  % ?????¨??       

            end

            

        end

        %±??????í

        Flag4ub=Positions(i,:)>ub;

        Flag4lb=Positions(i,:)<lb;

        Positions(i,:)=(Positions(i,:).*(~(Flag4ub+Flag4lb)))+ub.*Flag4ub+lb.*Flag4lb;

       %???ú??·?±??ì

        Rindex = randi(SearchAgents_no);%???ú????????????

        r1 = rand; r2 = rand;

        Temp = r1.*(Leader_pos - Positions(i,:)) + r2.*(Positions(Rindex,:) -  Positions(i,:));

        Flag4ub=Temp>ub;

        Flag4lb=Temp<lb;

       Temp=(Temp.*(~(Flag4ub+Flag4lb)))+ub.*Flag4ub+lb.*Flag4lb;

       if fobj(Temp) < fobj(Positions(i,:))

           Positions(i,:) = Temp;

       end

        

        

    end

    t=t+1;

    Convergence_curve(t)=Leader_score;

end

⛄ 运行结果

⛄ 参考文献

[1] 林杰, 何庆, 王茜,等. 基于混沌的正余弦鲸鱼优化算法[J]. 智能计算机与应用, 2020.

[2] 马晓宁, 李笑含. 基于Tent混沌映射的可复制的鲸鱼算法[J]. 计算机仿真, 2022(008):039.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料