果蝇优化算法-matlab实现、过程剖析

2023年10月25日 350次阅读 来源: 蚁群算法

1.随机初始果蝇群体位置。
Init X_axis
Init Y_axis

2.附与果蝇个体利用嗅觉搜寻食物之随机方向与距离。
Xi= X_axis + Random Value
Yi= Y_axis + Random Value

3.由于无法得知食物位置，因此先估计与原点之距离(Dist)，再计算
味道浓度判定值(S)，此值为距离之倒数。
Disti=√(X_i^2+Y_i^2 )；Si=1/Disti

4.味道浓度判定值(S)代入味道浓度判定函数(或称为 Fitness function)
以求出该果蝇个体位置的味道浓度(Smelli)。
Smelli = Function(Si)

5.找出此果蝇群体的中味道浓度最高的果蝇(求极大值)
[bestSmell bestIndex] = max(Smell)

6.保留最佳味道浓度值与 x、y 坐标，此时果蝇群体利用视觉往该位
置飞去。
Smellbest = bestSmell
X_axis = X(bestIndex)
Y_axis = Y(bestIndex)

最后：进入迭代寻优，重复执行步骤 2-5，并判断味道浓度是否优于前一
迭代味道浓度，若是则执行步骤 6。

寻找极小值：

%清空运行环境
clc
clear
%随机初始果蝇群体位置
X_axis=10*rand();
Y_axis=10*rand();

maxgen=100; %迭代次数
sizepop=20; %种群规模

%果蝇寻优开始
for i=1:sizepop
%附与果蝇个体利用嗅觉搜寻食物之随机方向与距离
X(i)=X_axis+2*rand()-1;
Y(i)=Y_axis+2*rand()-1;
%由于无法得知食物位置，因此先估计与原点之距离(Dist)，再计算味道浓度判定值(S)，此值为距离之倒数
D(i)=(X(i)^2+Y(i)^2)^0.5;
S(i)=1/D(i);
%味道浓度判定值(S)代入味道浓度判定函数(或称为Fitness function)以求出该果蝇个体位置的味道浓度Smell
Smell(i)=10+S(i)^2;
end
%找出此果蝇群体的中味道浓度最低的果蝇(求极小值)。
[bestSmell bestindex]=min(Smell);
%保留最佳味道浓度值与x、y 坐标，此时果蝇群体利用视觉往该位置飞去。
X_axis=X(bestindex);
Y_axis=Y(bestindex);
Smellbest=bestSmell;


%果蝇迭代寻优开始
for g=1:maxgen
%附与果蝇个体利用嗅觉搜寻食物之随机方向与距离。
for i=1:sizepop
X(i)=X_axis+2*rand()-1;
Y(i)=Y_axis+2*rand()-1;
%由于无法得知食物位置，因此先估计与原点之距离(Dist)，再计算味道浓度判定值(S)，此值为距离之倒数。
D(i)=(X(i)^2+Y(i)^2)^0.5;
S(i)=1/D(i);
%判定值(S)代入判定函数以求出该果蝇位置的味道浓度(Smelli)。
Smell(i)= 10+S(i)^2;
end
%找出此果蝇群体的中味道浓度最低的果蝇(求极小值)。
[bestSmell bestindex]=min(Smell);
%判断味道浓度是否优于前一迭代味道浓度，若是则保留最佳味道浓度值与x、y 坐标，此时果蝇群体利用视觉往该位置飞去。
if bestSmell<Smellbest
X_axis=X(bestindex);
Y_axis=Y(bestindex);
Smellbest=bestSmell;
end
%每代最优Smell值纪录到yy 数组中，并记录最优迭代坐标
yy(g)=Smellbest;
Xbest(g)=X_axis;
Ybest(g)=Y_axis;
end

%绘制迭代味到浓度与果蝇飞行路径趋势图
figure(1)
plot(yy)
title('Optimization process','fontsize',12)
xlabel('Iteration Number','fontsize',12);
ylabel('Smell','fontsize',12);
figure(2)
plot(Xbest,Ybest,'b.');
title('Fruit fly flying route','fontsize',14)
xlabel('X-best','fontsize',12);
ylabel('Y-best','fontsize',12);

寻找极大值：

% 清空运行环境 。
clc
clear
% 随机初始果蝇群体位置 。
X_axis=10*rand();
Y_axis=10*rand();
%设置参数
maxgen=100; %迭代次数
sizepop=100; %种群规模


%果蝇寻优开始
for i=1:sizepop
%附与果蝇个体利用嗅觉搜寻食物之随机方向与距离
X(i)=X_axis+2*rand()-1;
Y(i)=Y_axis+2*rand()-1;
%由于无法得知食物位置，因此先估计与原点之距离D，再计算味道浓度判定值(S)，此值为距离之倒数
D(i)=((X(i)-1)^2+Y(i)^2)^0.5;
S(i)=1/D(i);
% 味道浓度判定值 (S) 代入味道浓度判定函数( ( 或称为 Fitness function)以求出 该果蝇个体位置的味道浓度 (Smelli) 。
Smell(i)=8-S(i)^2+2*S(i);
end
%找出此果蝇群体的中味道浓度最高的果蝇(求极大值)
[bestSmell bestindex]=max(Smell);
%保留最佳味道浓度值与 x x 、y y 坐标 ， 此时果蝇群体利用视觉往该位置飞去 。
X_axis=X(bestindex);
Y_axis=Y(bestindex);
Smellbest=bestSmell;


%果蝇迭代寻优开始
for g=1:maxgen
%附与果蝇个体利用嗅觉搜寻食物之随机方向与距离
for i=1:sizepop
X(i)=X_axis+2*rand()-1;
Y(i)=Y_axis+2*rand()-1;
%*** 由于无法得知食物位置, 因此先估计与原点之距离 (Dist),再计算味道浓度判定值 (S),此值为距离之倒数
D(i)=(X(i)^2+Y(i)^2)^0.5;
S(i)=1/D(i);

%判定值 (S) 代入判定函数以求出该果蝇位置的味道浓度 (Smelli) 。
Smell(i)=8-S(i)^2+2*S(i);
end
%找出此果蝇群体的中味道浓度最高的果蝇( 求极大值)
[bestSmell bestindex]=max(Smell);
%判断味道浓度是否优于前一迭代味道浓度, 若是则保留最佳味道浓度值与 x x 、y y 坐标 ， 此时果蝇群体利用视觉往该位置飞去 。
if bestSmell>Smellbest
X_axis=X(bestindex);
Y_axis=Y(bestindex);
Smellbest=bestSmell;
end
%每代最优 smell值纪录到数组中,并记录最优迭代坐标
yy(g)=Smellbest;
Xbest(g)=X_axis;
Ybest(g)=Y_axis;
end

%绘制迭代味到浓度与果蝇飞行路径趋势图
figure(1)
plot(yy)
title('Optimization process','fontsize',12)
xlabel('Iteration Number','fontsize',12);
ylabel('Smell','fontsize',12);
figure(2)
plot(Xbest,Ybest,'b.');
title('Fruit fly flying route','fontsize',14)
xlabel('X-best','fontsize',12);
ylabel('Y-best','fontsize',12);

下面给出一个难以求出极小值的函数：

%清空
clc
clear
%随机初始果蝇群体位置
X_axis=10*rand();
Y_axis=10*rand();
%设置参数
maxgen=100; %迭代次数
sizepop=20; %种群规模
kkk=0;
%种群寻优开始，利用嗅觉寻找食物
for i=1:sizepop
for j=1:2
%附与果蝇个体利用嗅觉搜寻食物之随机方向与距离
X(i,j)=X_axis+2*rand()-1;
Y(i,j)=Y_axis+2*rand()-1;
%由于无法得知食物位置，因此先估计与原点之距离(Dist),再计算味道浓度判定值(S)，此值为距离之倒数
D(i,j)=(X(i,j)^2+Y(i,j)^2)^0.5;
S(i,j)=1/D(i,j);
end
%味道浓度判定值(S)代入味道浓度判定函数(或称为Fitness function)以求出该果蝇个体位置的味道浓度
Smell(i)=0.5+(sin((S(i,1)^2+S(i,2)^2)^0.5)^2-0.5)./(1+0.001*(S(i,1)^2+S(i,2)^2))^2;
end
%找出此果蝇群体中味道浓度最低的果蝇(求极小值)
[bestSmell bestindex]=min(Smell);
%保留最佳味道浓度值与x,y坐标，此时果蝇群体利用视觉往该位置飞去
X_axis=X(bestindex);
Y_axis=Y(bestindex);
Smellbest=bestSmell;
%果蝇迭代寻优开始
for g=1:maxgen
%附与果蝇个体利用嗅觉搜寻食物之随机方向与距离
for i=1:sizepop
%附与果蝇个体利用嗅觉搜寻食物之随机方向与距离
for j=1:2
X(i,j)=X_axis+2*rand()-1;
Y(i,j)=Y_axis+2*rand()-1;
%由于无法得知食物位置，因此先估计与原点之距离(Dist),再计算味道浓度判定值(S)，此值为距离之倒数
D(i,j)=(X(i,j)^2+Y(i,j)^2)^0.5;
S(i,j)=1/D(i,j);
end
%味道浓度判定值(S)代入味道浓度判定函数(或称为Fitness function)以求出该果蝇个体位置的味道浓度
Smell(i)=0.5+(sin((S(i,1)^2+S(i,2)^2)^0.5)^2-0.5)./(1+0.001*(S(i,1)^2+S(i,2)^2))^2;
end
%找出此果蝇群体中味道浓度最低的果蝇(求极小值)
[bestSmell bestindex]=min(Smell);
%判断味道浓度是否优于前一迭代味道浓度，若是则保留最佳味道浓度值与x,y坐标，此时果蝇群体利用视觉往该位置飞去
if bestSmell
kkk=kkk+1;
X_axis=X(bestindex);
Y_axis=Y(bestindex);
Smellbest=bestSmell;
end
%每代最优Smell值记录到yy数组中，并记录最优迭代坐标
yy(g)=Smellbest;
Xbest(g)=X_axis;
Ybest(g)=Y_axis;
end
%绘制迭代味道浓度与果蝇飞行路径趋势图
figure(1)
plot(yy)
title('Optimization process','fontsize',12)
xlabel('Iteration Number','fontsize',12);
ylabel('Smell','fontsize',12);
figure(2)
plot(Xbest,Ybest,'b');
title('Fruit flying toute','fontsize',14)
xlabel('X-best','fontsize',12);
ylabel('Y-best','fontsize',12);
    原文作者：蚁群算法
    原文地址: https://blog.csdn.net/qq_32811489/article/details/53143553
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞