【智能优化算法-烟花算法】基于烟花算法求解单目标优化问题含Matlab源码
1 内容介绍
近几十年,群体智能算法已经成为全世界用于解决优化问题的研究热点.传统的数学理论构建的最优化模型如梯度下降法,牛顿法,拉格朗日乘数法等,在面对日益复杂的非线性,复杂性优化问题时已经捉襟见肘.研究人员通过模仿自然界中生物的社会行为,以及根据自然现象或者物理现象提出了各式各样的群体智能算法,在设计,计划,管理,控制四个方面广泛应用.现有的群体智能算法固然简单高效且具普适性,但算法机制本身仍然会导致陷入局部收敛的问题
2 部分代码
%% 烟花算法进行函数优化
%%求函数的最小值
%fitness适应度函数，N烟花数，D变量维数，M变异火花数，Er爆炸半径，En爆炸数目
%LB,UB分别为变量上下界，T为迭代次数，a,b为爆炸数目限制因子
clear;clc
close all
N=100; % N烟花数
D=2; % D变量维数
M=5; % M变异火花数
En=6; % En爆炸数目
Er=5; % Er爆炸半径
a=0.3; % a,b为爆炸数目限制因子
b=0.6;
T=500; % T为迭代次数
%求最大值变量上下界
LB=[-10,-10];
UB=[10,10];
%求最大值输出
[F(T),Y]=min(Fit);
fmin=min(F);
xm=x(Y,:);
fprintf('xm=%f %f\n',xm(1),xm(2));
fprintf('fmin=%f\n',fmin);
figure(1);
t=1:T;
plot(t,F)
xlabel('迭代次数')
ylabel('目标函数值')
title('FWA算法迭代曲线');
3 运行结果
4 参考文献
[1]杨彦龙向淑文夏顺友贾文生. 基于烟花算法的非合作博弈Nash均衡问题求解[J]. 计算机应用与软件, 2018, 035(003):215-218.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机、雷达通信、无线传感器等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。