基于迭代局部搜索和随机惯性权重的BA算法MATLAB实现（ILSSIWBA）

uperrua

主要思想
1 V( T* b2 x' u. i% V5 O9 I6 R# A
+ m. T" Z" |, Q. G+ a

流程图
& N4 p, Y, M6 ?8 x/ }+ B
( b% h' X9 d+ s3 m3 t# s5 d

- F* J* L7 H5 Y5 x( V
& e' P: T" N- k  [8 Y/ {% c. z, _MATLAB代码

• function [bestMin, bestID] = ILSSIWBA()
• %A new bat algorithm based on iterative local search and stochastic inertia weight
• %omegaxyz.com QQ: 644327005
• clc;
• %% 经典BA参数设置
• t = 1;
• maxT = 100; %最大迭代次数
• dim = 30; %问题的维度
• sizep = 50; %种群大小
• xmin = -0.5;
• xmax = 0.5; %位置向量的范围
• A = 0.6.*ones(sizep,1);    % 响度 (不变或者减小)
• r = zeros(sizep,1);      % 脉冲率 (不变或增加))
• Qmin = 0;         % 最小频率
• Qmax = 1;         % 最大频率
• %% 初始化
• Lb = xmin*ones(1,dim);
• Ub = xmax*ones(1,dim);
• pop = Lb+(Ub-Lb).*rand(sizep,dim); %种群初始化
• popv = zeros(sizep,dim);   % 速度
• Q = zeros(sizep,1);   % 频率
• pfitness = zeros(dim,1);
• for i = 1:sizep
•     pfitness(i) = evaluate2(pop(i,：）); %评价
• end
• [bestMin, bestID]=min(pfitness);
• bestS = pop(bestID, ：）;
• bestArchive = zeros(maxT,1);
• %% 论文中的新策略参数
• umin = 0.4; %The second modification (SIW method)
• umax = 0.9;
• sigma = 0.2;
• R0 = 0.1; %The 3th modification
• Rupper = 0.7;
• A0 = 0.9;
• Alower = 0.6;
• %% 具体迭代过程
• while t <= maxT
•     for i = 1:sizep
•         Q(i)=Qmin+(Qmin-Qmax)*rand();
•         w = umin +(umax-umin)*rand()+sigma*randn(); %The second modification (SIW method)
•         popv(i,：）=w*popv(i,：）+(pop(i,：）-bestS)*Q(i); %The second modification (SIW method)
•         Stemp = pop(i,：）+popv(i,：）;
•         % 脉冲率
•          if rand>r(i)
•              Stemp=bestS-1+2*rand(1,dim);
•          end
•          fitTemp = evaluate2(Stemp);
•          if (fitTemp<=pfitness(i))&&(rand()<A(i))
•             pop(i,：） = Stemp;
•             pfitness(i) = fitTemp;
•             A(i) = (A0-Alower)/(1-maxT)*(t-maxT)+Alower; %The 3th modification
•             r(i) = (R0-Rupper)/(1-maxT)*(t-maxT)+Rupper; %The 3th modification
•          end
•          if fitTemp <= bestMin
•             bestID = i;
•             bestMin = fitTemp;
•                  bestS = Stemp;
•          end
•     end
•     interX = bestS.*rand(); %The 1th modification (ILS method)
•     interXfit = evaluate2(interX);
•     if interXfit < bestMin
•         bestMin = interXfit;
•         bestS = interX;
•         pop(bestID,：） = bestS;
•         pfitness(bestID,：） = bestMin;
•     else
•         if exp(bestMin-interXfit) > rand()
•             bestMin = interXfit;
•             bestS = interX;
•             pop(bestID,：） = bestS;
•             pfitness(bestID,：） = bestMin;
•         end
•     end
•     bestArchive(t) = bestMin;
•     fprintf('GEN: %d  min: %.4f\n', t, bestMin);
•     t = t +1;
• end
• end%.m end
  ; R, ]: R+ y, M/ K  H( Q% `

               
, \; L  Y* P; H+ x- ]
评价函数：
: ]( f7 v8 M3 d5 Z) U/ \
- \  N8 r: ^! g7 s) l/ R

• function z = evaluate2(u)
• %Weierstrass
• dim= length(u);
• sum_1=0;
• sum_2=0;
• sum_3=0;
• a = 0.5;
• b = 3;
• for i=1:dim
•     for k=0:30
•        sum_1=sum_1+(a^k)*(cos(2*pi*(b^k)*(u(i)+0.5)));
•     end
•     sum_2=sum_2+sum_1;
•     sum_1 = 0;
• end
• for k=0:30
•        sum_3=sum_3+(a^k)*(cos(2*pi*(b^k)*0.5));
• end
• z=sum_2-dim*sum_3;
• end
  

+ u7 S) y, I" v3 s+ X
5 H9 ~' X& W! L% o  

xiaogegepcb

基于迭代局部搜索和随机惯性权重的BA算法MATLAB实现（ILSSIWBA）