无约束最优化蚁群算法.doc

无约束最优化蚁群算法 无约束连续函数优化的人工蚁群算法通用MATLAB源码 [复制链接] greensim greensim 当前离线 QQ761222791财富44 麦片在线时间46 小时最后登录2011-7-31精华0帖子72积分74阅读权限20注册时间2008-10-6UID57671 M学校：秀才 M学校：秀才, 积分 74, 距离下一级还需 26 积分财富44 麦片在线时间46 小时帖子72串个门 加好友 打招呼 发消息 电梯直达 1# 发表于 2010-3-6 15:29:41 |只看该作者 |倒序浏览 此源码是对人工蚁群算法的一种实现，用于无约束连续函数的优化求解，对于含有约束的情况，可以先使用罚函数等方法，把问题处理成无约束的模型，再使用本源码进行求解，本源码由GreenSim团队原创，转载请注明。 function [BESTX,BESTY,ALLX,ALLY]=ACOUCP(K,N,Rho,Q,Lambda,LB,UB) %% Ant Colony Optimization for Unconstrained Continuous Problem %% ACOUCP.m %% 无约束连续函数的蚁群优化算法 %% 此函数实现蚁群算法，用于求解无约束连续函数最小化问题 %% 对于最大化问题，请先将其加负号转化为最小化问题 % GreenSim团队原创作品，转载请注明 % Email:greensim@163.com % GreenSim团队主页：/greensim % 欢迎访问GreenSim——算法仿真团队→/greensim %% 输入参数列表 % K 迭代次数 % N 蚁群规模 % Rho 信息素蒸发系数，取值0～1之间，推荐取值0.7～0.95 % Q 信息素增加强度，大于0，推荐取值1左右 % Lambda 蚂蚁爬行速度，取值0～1之间，推荐取值0.1～0.5 % LB 决策变量的下界，M×1的向量 % UB 决策变量的上界，M×1的向量 %% 输出参数列表 % BESTX K×1细胞结构，每一个元素是M×1向量，记录每一代的最优蚂蚁 % BESTY K×1矩阵，记录每一代的最优蚂蚁的评价函数值 % ALLX K×1细胞结构，每一个元素是M×N矩阵，记录每一代蚂蚁的位置 % ALLY K×N矩阵，记录每一代蚂蚁的评价函数值 %% 测试函数设置 % 测试函数用单独的子函数编写好，在子函数FIT.m中修改要调用的测试函数名即可 % 注意：决策变量的下界LB和上界UB，要与测试函数保持一致 %% 参考设置 % [BESTX,BESTY,ALLX,ALLY]=ACOUCP(50,30,0.95,1,0.5,LB,UB) %% 第一步：初始化 M=length(LB);%决策变量的个数 %蚁群位置初始化 X=zeros(M,N); for i=1:M x=unifrnd(LB(i),UB(i),1,N); X(i,:)=x; end %输出变量初始化 ALLX=cell(K,1);%细胞结构，每一个元素是M×N矩阵，记录每一代的个体 ALLY=zeros(K,N);%K×N矩阵，记录每一代评价函数值 BESTX=cell(K,1);%细胞结构，每一个元素是M×1向量，记录每一代的最优个体 BESTY=zeros(K,1);%K×1矩阵，记录每一代的最优个体的评价函数值 k=1;%迭代计数器初始化 Tau=ones(1,N);%信息素初始化 Y=zeros(1,N);%适应值初始化 %% 第二步：迭代过程 while k=K YY=zeros(1,N); for n=1:N x=X(:,n); YY(n)=FIT(x); end maxYY=max(YY); temppos=find(YY==maxYY); POS=temppos(1); %蚂蚁随机探路 for n=1:N if n~=POS x=X(:,n); Fx=FIT(x); mx=GaussMutation(x,LB,UB); if FmxFx X(:,n)=mx; Y(n)=Fmx; elseif rand1-(1/(sqrt(k))) X(:,n)=mx;