【蝴蝶优化算法】混合闪存蝴蝶优化算法HFBOA 附matlab代码
【蝴蝶优化算法】混合闪存蝴蝶优化算法HFBOA 附matlab代码
TT_Matlab
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，完整matlab代码或者程序定制加qq1575304183。机器学习之心，前程算法屋的代码一律可以八折购买。
✅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
蝴蝶优化算法（BOA）仅考虑气味感知规则，容易陷入局部最优。与原始BOA相比，所提出的混合闪光蝴蝶优化算法（HFBOA）加入了一个额外的算子，即颜色感知规则，使其更符合自然界蝴蝶的实际觅食特性。此外，HFBOA还采用逻辑映射更新控制参数的策略，以增强全局最优能力。该方法的性能通过12个基准函数进行了验证，其中对比实验结果表明，与六种最先进的优化方法相比，HFBOA对于数值优化问题收敛速度更快，并且具有更好的稳定性。此外，所提出的HFBOA已成功应用于六个工程约束优化问题（即管柱设计、拉/压弹簧设计、悬臂梁设计等）。仿真结果表明，所提出的方法在解决复杂的现实工程约束任务方面表现出卓越的性能。
部分代码
% rot_matrix function
function M=rot_matrix(D,c)
A=normrnd(0,1,D,D);
P=cGram_Schmidt(A);
A=normrnd(0,1,D,D);
Q=cGram_Schmidt(A);
u=rand(1,D);
D=c.^((u-min(u))./(max(u)-min(u)));
D=diag(D);
M=P*D*Q;
end
function [q,r] = cGram_Schmidt (A)
% computes the QR factorization of $A$ via
% classical Gram Schmid
%
[n,m] = size(A);
q = A;
for j=1:m
for i=1:j-1
r(i,j) = q(:,j)’*q(:,i);
end
for i=1:j-1
q(:,j) = q(:,j) - r(i,j)*q(:,i);
end
t = norm(q(:,j),2 ) ;
q(:,j) = q(:,j) / t ;
r(j,j) = t ;
end
end
⛳️ 运行结果