【智能优化算法】中华穿山甲Chinese Pangolin Optimizer (CPO)附matlab代码

最新推荐文章于 2025-12-01 17:13:03 发布

原创最新推荐文章于 2025-12-01 17:13:03 发布 · 1.6k 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #matlab #数学建模

优化求解专栏收录该内容

553 篇文章

订阅专栏

本文介绍了一种创新的元启发式算法——中国穿山甲优化器(CPO)，它模拟中华穿山甲的狩猎行为，用于复杂搜索空间的高效优化。通过基准测试和实际问题对比，展示了CPO在多种问题上的性能。MATLAB代码示例提供了算法的实现细节。

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

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

本文提出了一种新颖的仿生元启发式算法，称为中国穿山甲优化器（CPO）。CPO算法从中华穿山甲中观察到的两种不同的狩猎行为（即引诱和捕食）中汲取灵感，将这些行为体现在五个关键阶段：吸引和捕获、移动和进食、搜索和定位、快速接近以及挖掘和进食。这些阶段经过数学建模和实施，以促进复杂搜索空间内的高效优化。为了验证 CPO 算法的性能，在标准化实验条件下进行了综合评估，使用基准函数和实际工程问题将其有效性与其他元启发式算法进行基准比较。

📣 部分代码

%  Source codes demo version 1.1%__________________________________________________________________%  Chinese pangolin optimizer (CPO)%  Developed in MATLAB R2021b%  programmer: Zhiqing GUO%  E-mail: mathgzq@gmail.com%  Paper:%  Zhiqing GUO, Guangwei LIU, Feng JIANG, and Wei LIU%  Chinese Pangolin Optimizer: A new bio-inspired metaheuristic algorithm%__________________________________________________________________% This function draw the benchmark functionsfunction func_plot(func_name)[lb,ub,dim,fobj]=Get_F(func_name);switch func_name     case 'F1'         x=-100:2:100; y=x; %[-100,100]            case 'F2'         x=-100:2:100; y=x; %[-10,10]            case 'F3'         x=-100:2:100; y=x; %[-100,100]            case 'F4'         x=-100:2:100; y=x; %[-100,100]    case 'F5'         x=-200:2:200; y=x; %[-5,5]    case 'F6'         x=-100:2:100; y=x; %[-100,100]    case 'F7'         x=-1:0.03:1;  y=x;  %[-1,1]    case 'F8'         x=-500:10:500;y=x; %[-500,500]    case 'F9'         x=-5:0.1:5;   y=x; %[-5,5]        case 'F10'         x=-20:0.5:20; y=x;%[-500,500]    case 'F11'         x=-500:10:500; y=x;%[-0.5,0.5]    case 'F12'         x=-10:0.1:10; y=x;%[-pi,pi]    case 'F13'         x=-5:0.08:5; y=x;%[-3,1]    case 'F14'         x=-100:2:100; y=x;%[-100,100]    case 'F15'         x=-5:0.1:5; y=x;%[-5,5]    case 'F16'         x=-1:0.01:1; y=x;%[-5,5]    case 'F17'         x=-5:0.1:5; y=x;%[-5,5]    case 'F18'         x=-5:0.06:5; y=x;%[-5,5]    case 'F19'         x=-5:0.1:5; y=x;%[-5,5]    case 'F20'         x=-5:0.1:5; y=x;%[-5,5]            case 'F21'         x=-5:0.1:5; y=x;%[-5,5]    case 'F22'         x=-5:0.1:5; y=x;%[-5,5]         case 'F23'         x=-5:0.1:5; y=x;%[-5,5]  end    L=length(x);f=[];for i=1:L    for j=1:L        if strcmp(func_name,'F15')==0 && strcmp(func_name,'F19')==0 && strcmp(func_name,'F20')==0 && strcmp(func_name,'F21')==0 && strcmp(func_name,'F22')==0 && strcmp(func_name,'F23')==0            f(i,j)=fobj([x(i),y(j)]);        end        if strcmp(func_name,'F15')==1            f(i,j)=fobj([x(i),y(j),0,0]);        end        if strcmp(func_name,'F19')==1            f(i,j)=fobj([x(i),y(j),0]);        end        if strcmp(func_name,'F20')==1            f(i,j)=fobj([x(i),y(j),0,0,0,0]);        end               if strcmp(func_name,'F21')==1 || strcmp(func_name,'F22')==1 ||strcmp(func_name,'F23')==1            f(i,j)=fobj([x(i),y(j),0,0]);        end              endendsurfc(x,y,f,'LineStyle','none');end