优化算法matlab实现(十二)烟花算法matlab实现

2022-04-09  本文已影响0人  stronghorse

注意:此代码实现的是求目标函数最大值,求最小值可将适应度函数乘以-1(框架代码已实现)。
注意:此代码实现的是求目标函数最大值,求最小值可将适应度函数乘以-1(框架代码已实现)。
注意:此代码实现的是求目标函数最大值,求最小值可将适应度函数乘以-1(框架代码已实现)。

1.代码实现

不了解烟花算法可以先看看优化算法笔记(十二)烟花算法
实现代码前需要先完成优化算法matlab实现(二)框架编写中的框架的编写。

文件名 描述
..\optimization algorithm\frame\Unit.m 个体
..\optimization algorithm\frame\Algorithm_Impl.m 算法主体

以及优化算法matlab实现(四)测试粒子群算法中的测试函数、函数图像的编写。

文件名 描述
..\optimization algorithm\frame\Get_Functions_details.m 测试函数,求值用
..\optimization algorithm\frame\func_plot.m 函数图像,画图用

烟花算法的个体没有独有属性。
烟花算法个体
文件名:.. \optimization algorithm\algorithm_fireworks\FWA_Unit.m

% 烟花算法个体
classdef FWA_Unit < Unit
    
    properties
    end
    
    methods
        function self = FWA_Unit()
        end
    end
    
end

烟花算法主体
文件名:..\optimization algorithm\algorithm_fireworks\FWA_Base.m

% 烟花算法
classdef FWA_Base  < Algorithm_Impl
    
    properties
        % 算法名称
        name = 'FWA';
        % 生产火星数
        m;
        % 火星比例a
        a;
        % 火星比例b
        b;
        % 最大振幅
        amplitude_max;
        % 产生特殊火星数
        spec_num;
        % 记录所有火星,选择时用
        all_list;
    end
    
    % 外部可调用的方法
    methods
        function self = FWA_Base(dim,size,iter_max,range_min_list,range_max_list)
            % 调用父类构造函数
            self@Algorithm_Impl(dim,size,iter_max,range_min_list,range_max_list);
            self.name ='FWA';
            self.m=40;
            self.a=0.2;
            self.b=0.8;
            self.spec_num = 5;
            self.amplitude_max = 40;
        end
    end
    
    % 继承重写父类的方法
    methods (Access = protected)
        % 初始化种群
        function init(self)
            init@Algorithm_Impl(self)
            %初始化种群
            for i = 1:self.size
                unit = FWA_Unit();
                % 随机初始化位置:rand(0,1).*(max-min)+min
                unit.position = unifrnd(self.range_min_list,self.range_max_list);
                % 计算适应度值
                unit.value = self.cal_fitfunction(unit.position);
                % 将个体加入群体数组
                self.unit_list = [self.unit_list,unit];
            end
        end
        
        % 每一代的更新
        function update(self,iter)
            
            update@Algorithm_Impl(self,iter)
            % 生成火星
            for i = 1:self.size
                self.obtain_spark(i);
            end
            
            % 生成特殊火星
            for num = 1:self.spec_num
                rand = unidrnd(self.size);
                self.obtain_spec_spark(rand);
            end
            
            % 选择火星保留到下一代
            self.select_sparks();
        end
        
        % 生成当前个体的火星
        function obtain_spark(self,id)
            % 计算该个体应生成的火星数
            num = self.get_spark_num(id);
            % 计算当前个体振幅
            amplitude = self.get_spark_amplitude(id);
            % 依次生成n个火星
            for n = 1:num
                pos = self.unit_list(id).position;
                for d = 1:self.dim
                    if(rand<0.5)
                        pos(d) = pos(d)+ amplitude*unifrnd(-1,1);
                        % 超出范围则取模
                        if (pos(d)>self.range_max_list(d) || pos(d)<self.range_min_list(d))
                            pos(d) = self.range_min_list(d)+mod(pos(d),(self.range_max_list(d)-self.range_min_list(d)));
                        end
                    end
                end
                unit = FWA_Unit();
                unit.position = pos;
                unit.value = self.cal_fitfunction(pos);
                self.all_list = [self.all_list,unit];
            end
        end
        
        % 生成当前个体的特殊火星
        function obtain_spec_spark(self,id)
            pos = self.unit_list(id).position;
            for d = 1:self.dim
                if(rand<0.5)
                    pos(d) = pos(d)*normrnd(1,1);
                    % 超出范围则取模
                    if (pos(d)>self.range_max_list(d) || pos(d)<self.range_min_list(d))
                        pos(d) = self.range_min_list(d)+mod(pos(d),(self.range_max_list(d)-self.range_min_list(d)));
                    end
                end
            end
            unit = FWA_Unit();
            unit.position = pos;
            unit.value = self.cal_fitfunction(pos);
            self.all_list = [self.all_list,unit];
        end
        
        % 选择火星保留到下一代
        function select_sparks(self)
           self.all_list = [self.all_list,self.unit_list];
           [max_value,max_value_id] = max([self.all_list.value]);
           
           % 计算保留各个个体的概率
           rates=zeros(length(self.all_list(:)));
           % 总距离
           dist_sum=0;
           for i = 1:length(self.all_list(:))
               % 计算距离和(使用适应度函数值计算)
               dist = 0;
               for j = 1:length(self.all_list(:))
                   dist = dist + abs(self.all_list(i).value-self.all_list(j).value);
               end
               dist_sum = dist_sum + dist;
               rates(i) = dist;
           end
           % 将概率归一到[0,1]内
           rates = rates/dist_sum;
           
           for i = 1:self.size
               if (i ==1)
                   % 保留最优个体到第列表中的第一个
                   self.unit_list(1).position = self.all_list(max_value_id).position;
                   self.unit_list(1).value = self.all_list(max_value_id).value;
               else
                   for j = 1:length(self.all_list(:))
                       if(rand<rates(j))
                           self.unit_list(i).position = self.all_list(j).position;
                           self.unit_list(i).value = self.all_list(j).value;
                           break
                       end
                   end
               end
           end
           % 将数组清空
           self.all_list=[];
        end
        
        % 获取当前应产生的火星数
        function num = get_spark_num(self,id)
            value_min = min([self.unit_list.value]);
            value_sum = sum([self.unit_list.value]);
            value = self.unit_list(id).value;
            num = round(self.m*(value-value_min+realmin('double'))/(value_sum-self.size*value_min+realmin('double')));
            if(num<self.a*self.m)
                num = round(self.a*self.m);
            elseif(num<self.b*self.m)
                num = round(self.b*self.m);
            else
            end
        end
        
        % 获取当前火星振幅
        function amplitude = get_spark_amplitude(self,id)
            value_max = max([self.unit_list.value]);
            value_sum = sum([self.unit_list.value]);
            value = self.unit_list(id).value;
            amplitude = self.amplitude_max*(value_max-value+realmin('double'))/(self.size*value_max-value_sum+realmin('double'));
        end
        
        % 获取当前最优个体的id
        function best_id=get_best_id(self)
            % 求最大值则降序排列
            [value,index] = sort([self.unit_list.value],'descend');
            best_id = index(1);
        end
        
    end
end

文件名:..\optimization algorithm\algorithm_fireworks\FWA_Impl.m
算法实现,继承于Base,图方便也可不写,直接用FWA_Base,这里为了命名一致。

%烟花算法实现
classdef FWA_Impl < FWA_Base
   
    % 外部可调用的方法
    methods
        function self = FWA_Impl(dim,size,iter_max,range_min_list,range_max_list)
            % 调用父类构造函数设置参数
             self@FWA_Base(dim,size,iter_max,range_min_list,range_max_list);
        end
    end 
end

2.测试

测试F1
文件名:..\optimization algorithm\algorithm_fireworks\Test.m

%% 清理之前的数据
% 清除所有数据
clear all;
% 清除窗口输出
clc;

%% 添加目录
% 将上级目录中的frame文件夹加入路径
addpath('../frame')


%% 选择测试函数
Function_name='F1';
%[最小值,最大值,维度,测试函数]
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);

%% 算法实例
% 种群数量
size = 5; % 烟花算法种群数要比其他少,一个个体会产生数个火星
% 最大迭代次数
iter_max = 1000;
% 取值范围上界
range_max_list = ones(1,dim)*ub;
% 取值范围下界
range_min_list = ones(1,dim)*lb;

% 实例化烟花算法类
base = FWA_Impl(dim,size,iter_max,range_min_list,range_max_list);
base.is_cal_max = false;
% 确定适应度函数
base.fitfunction = fobj;
% 运行
base.run();
disp(base.cal_fit_num);

%% 绘制图像
figure('Position',[500 500 660 290])
%Draw search space
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])
%Draw objective space
subplot(1,2,2);
% 绘制曲线,由于算法是求最大值,适应度函数为求最小值,故乘了-1,此时去掉-1
semilogy((base.value_best_history),'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
% 将坐标轴调整为紧凑型
axis tight
% 添加网格
grid on
% 四边都显示刻度
box off
legend(base.name)
display(['The best solution obtained by ',base.name ,' is ', num2str(-base.value_best)]);
display(['The best optimal value of the objective funciton found by ',base.name ,' is ', num2str(base.position_best)]);
上一篇下一篇

猜你喜欢

热点阅读