鱼群算法仿真.doc

3、案例实例及结果：案例1：一元函数的优化实例：,该函数的图形如图5.2所示：图 5.2??一元函数图像2010-8-9 01:11 上传下载附件 (27.53 KB) 结果：鱼群算法的运行结果如下:图5.8??50次鱼群算法迭代结果2010-8-9 01:11 上传 下载附件 (30.52 KB) 2010-8-9 01:11 上传 下载附件 (19.58 KB) 图5.9??最优解的变化Command Window上的运行结果：最优解X：1.85060最优解Y：3.85027Elapsed time is 1.640857 seconds. 案例2二元函数的优化实例：该函数的图形如图5.3所示：图 5.3??二元函数图像2010-8-9 01:11 上传 下载附件 (49.56 KB) 结果：鱼群算法的运行结果如下:图5.10??50次鱼群算法迭代结果 2010-8-9 01:11 上传 下载附件 (21.92 KB)  2010-8-9 01:11 上传 下载附件 (18.34 KB) 图5.11??最优解的变化Command Window上的运行结果：最优解X：-0.002690.00018最优解Y：1.00000Elapsed time is 3.094503 seconds.? ? 4、主程序 案例1： clc clear all close all tic figure(1);hold on ezplot(x*sin(10*pi*x)+2,[-1,2]); %% 参数设置 fishnum=50; %生成50只人工鱼 MAXGEN=50; %最多迭代次数 try_number=100;%最多试探次数 visual=1; %感知距离 delta=0.618; %拥挤度因子 step=0.1; %步长 %% 初始化鱼群 lb_ub=[-1,2,1]; X=AF_init(fishnum,lb_ub); LBUB=[]; for i=1:size(lb_ub,1) LBUB=[LBUB;repmat(lb_ub(i,1:2),lb_ub(i,3),1)]; end gen=1; BestY=-1*ones(1,MAXGEN); %每步中最优的函数值 BestX=-1*ones(1,MAXGEN); %每步中最优的自变量 besty=-100; %最优函数值 Y=AF_foodconsistence(X); while gen=MAXGEN fprintf(1,%d\n,gen) for i=1:fishnum [Xi1,Yi1]=AF_swarm(X,i,visual,step,delta,try_number,LBUB,Y); %聚群行为 [Xi2,Yi2]=AF_follow(X,i,visual,step,delta,try_number,LBUB,Y); %追**为 if Yi1Yi2 X(:,i)=Xi1; Y(1,i)=Yi1; else X(:,i)=Xi2; Y(1,i)=Yi2; end end [Ymax,index]=max(Y); figure(1); plot(X(1,index),Ymax,.,color,[gen/MAXGEN,0,0]) if Ymaxbesty besty=Ymax; bestx=X(:,index); BestY(gen)=Ymax; [BestX(:,gen)]=X(:,index); else BestY(gen)=BestY(gen-1); [BestX(:,gen)]=BestX(:,gen-1); end gen=gen+1; end plot(bestx(1),besty,ro,MarkerSize,100) xlabel(x) ylabel(y) title(鱼群算法迭代过程中最优坐标移动) figure plot(1:MAXGEN,BestY) xlabel(迭代次数) ylabel(优化值) title(鱼群算法迭代过程) disp([最优解X：,num2str(bestx,%1.5f)]) disp([最优解Y：,num2str(besty,%1.5f)]) toc 复制代码 案例2： clc clear all close all tic figure(1);hold on %% 参数设置 fishnum=100; %生成50只人工鱼 MAXGEN=50; %最多迭代次数 try_number=100;%最多试探次数 visual=1; %感知距离 delta=0.618; %拥挤度因子 step=0.1; %步长 %% 初始化鱼群 lb_ub=[-10,10,2;]; X=AF