【智能优化算法-人工蜂鸟算法】基于人工蜂鸟算法求解多目标优化问题附matlab代码MOAHA
【智能优化算法-人工蜂鸟算法】基于人工蜂鸟算法求解多目标优化问题附matlab代码MOAHA
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。
1 内容介绍
在这项工作中提出了一种新的仿生优化算法，称为人工蜂鸟算法（AHA）来解决优化问题。AHA算法模拟自然界中蜂鸟的特殊飞行技能和智能觅食策略。模拟了觅食策略中使用的三种飞行技能，包括轴向、对角线和全向飞行。此外，实施了引导觅食、领地觅食和迁徙觅食，并构建了访问表来模拟蜂鸟对食物来源的记忆功能。AHA 使用两组数值测试函数进行验证，并将结果与从各种算法获得的结果进行比较。比较表明，AHA 比其他元启发式算法更具竞争力，并且可以用更少的控制参数确定高质量的解决方案。此外，AHA 的性能在十个具有挑战性的工程设计案例研究中得到验证。结果表明，与文献中现有的优化技术相比，AHA 在计算负担和求解精度方面的优越性。
2 仿真代码
%--
-----------------------------------------------------------------%
% Multi-Objective artificial hummingbird algorithm (MOAHA) %
% Source codes demo version
1.0
%
%--
-----------------------------------------------------------------%
% I acknowledge that this version of MOAHA has been written using
% a portion of the following
code:
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
% MATLAB Code
for
%
% %
% Multi-Objective Particle Swarm Optimization (MOPSO) %
% Version
1.0
- Feb.
2011
%
% %
% According
to:
%
% Carlos A. Coello Coello et al., %
%
"Handling Multiple Objectives with Particle Swarm Optimization,"
%
% IEEE Transactions on Evolutionary Computation, Vol.
8
, No.
3
, %
% pp.
256
-
279
, June
2004
. %
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
function pop=DetermineDomination(pop)
nPop=numel(pop);
for
i=
1
:nPop
pop(i).Dominated=
false
;
end
for
i=
1
:nPop
for
j=i+
1
:nPop
if
Dominates(pop(i).Cost,pop(j).Cost)
pop(j).Dominated=
true
;
elseif Dominates(pop(j).Cost,pop(i).Cost)
pop(i).Dominated=
true
;
break
;
else
if
all (pop(i).Cost==pop(j).Cost) %remove the same individual
pop(i).Dominated=
true
;
end
end
end
end
end
3 运行结果
4 参考文献
[1]刘明辉. 改进的多目标人工蜂群算法及其在特征选择中的应用[D]. 安徽大学, 2018.
[2] Zhao W , Wang L , Mirjalili S . Artificial hummingbird algorithm: A new bio-inspired optimizer with its engineering applications[J]. Computer Methods in Applied Mechanics and Engineering, 2022, 388:114194-.