|
马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。
您需要 登录 才可以下载或查看,没有账号?我要加入
x
这是我在其他网站找到的一些程序,希望大家一起讨论下! 【原创】基于人工鱼群算法的投影寻踪模型通用MATLAB源码 题目:基于人工鱼群算法的投影寻踪模型通用MATLAB源码 function [BESTX,BESTY,ALLX,ALLY]=FSOUCP(K,N,V,Delta,L,LB,UB,D,Alpha)
%% 此函数实现人工鱼群算法,用于求解投影寻踪分类模型
% GreenSim团队原创作品,转载请注明
% Email:greensim@163.com
% GreenSim团队主页:http://blog.sina.com.cn/greensim
% 欢迎访问GreenSim——算法仿真团队→http://blog.sina.com.cn/greensim
%% 输入参数列表
% K 迭代次数
% N 鱼群规模
% V 人工鱼的感知范围
% Delta 拥挤程度的判决门限,取值0~1之间
% L 觅食行为的试探次数
% 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
% D 样本指标矩阵,n×p的矩阵,每一行为一个样本
% Alpha 窗口半径系数,典型取值0.1
%% 输出参数列表
% BESTX K×1细胞结构,每一个元素是M×1向量,记录每一代的最优人工鱼的状态
% BESTY K×1矩阵,记录每一代的最优人工鱼的评价函数值
% ALLX K×1细胞结构,每一个元素是M×N矩阵,记录每一代人工鱼的位置
% ALLY K×N矩阵,记录每一代人工鱼的评价函数值
%% 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]=FSOUCP(50,30,0.5,0.3,20,LB,UB)
%% 第一步:
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
%% 第二步:迭代过程
while k<=K
NewX=zeros(M,N);
NewY=zeros(1,N);
for n=1:N
x=X(:,n);
Xnb=AFneighbour(n,X,V);
NN=size(Xnb,2);
if NN==0
xx=AFprey(x,V,L,LB,UB,D,Alpha);
elseif NN>=3
xx=AFswarm(x,Xnb,N,Delta,V,L,LB,UB,D,Alpha);
else
xx=AFprey(x,V,L,LB,UB,D,Alpha);
end
NewX(:,n)=xx;
end
for n=1:N
NewY(n)=FIT(NewX(:,n),D,Alpha);
end
X=NewX;
Y=NewY;
ALLX{k}=X;
ALLY(k,:)=Y;
pos=find(Y==minY);
BESTXk=X(:,pos(1));
b=sqrt(sum(BESTXk.^2));
BESTXk=BESTXk/b;
BESTX{k}=BESTXk;
BESTY(k)=minY;
disp(k);
k=k+1;
end
%% 绘图
BESTY2=BESTY;
BESTX2=BESTX;
for k=1:K
TempY=BESTY(1:k);
minTempY=min(TempY);
posY=find(TempY==minTempY);
BESTY2(k)=minTempY;
BESTX2{k}=BESTX{posY(1)};
end
BESTY=BESTY2;
BESTX=BESTX2;
plot(BESTY,'-ko','MarkerEdgeColor','k','MarkerFaceColor','k','MarkerSize',2)
ylabel('函数值')
xlabel('迭代次数')
grid on
function Qa=Project_Pursuit(X,a,Alpha)
%% 投影寻踪模型
%% 输入参数列表
% X 洪水样本指标矩阵,n×p的矩阵,每一行为一个样本,
% Xij表示第i次洪水第j洪水指标,X是否已经归一化均可
% a 投影向量,1×p的矩阵,元素取值范围-1~1,要求其元素平方和等于1
% Alpha 窗口半径系数,典型取值0.1
%% 输出参数列表
% Qa 投影指标函数
%% 第零步:对a的预处理
b=sqrt(sum(a.^2));
a=a/b;
%% 第一步:归一化处理
[n,p]=size(X);
x=zeros(n,p);
Xjmax=max(X);
Xjmin=min(X);
for i=1:n
x(i,:)=(X(i,:)-Xjmin)./(Xjmax-Xjmin);
end
%% 第二步:构造投影指标值
Z=zeros(n,1);
for i=1:n
Z(i)=sum(a.*x(i,:));
end
%% 第三步:计算投影指标函数
meanZ=mean(Z);
R=Alpha*Sa;%窗口半径
Da=0;
for k=1:n
rik=abs(Z(i)-Z(k));
if R>rik
Da=Da+rik;
end
end
Qa=Sa*Da; |
|