阅读的网站建设需要多少钱,学前教育网站建设,厦门网站制作策划,wordpress打不开页面先做一个声明#xff1a;文章是由我的个人公众号中的推送直接复制粘贴而来#xff0c;因此对智能优化算法感兴趣的朋友#xff0c;可关注我的个人公众号#xff1a;启发式算法讨论。我会不定期在公众号里分享不同的智能优化算法#xff0c;经典的#xff0c;或者是近几年…先做一个声明文章是由我的个人公众号中的推送直接复制粘贴而来因此对智能优化算法感兴趣的朋友可关注我的个人公众号启发式算法讨论。我会不定期在公众号里分享不同的智能优化算法经典的或者是近几年提出的新型智能优化算法并附MATLAB代码。 鸡是一种群居性的动物,鸡群之间通过合作探索食物,群体中有领导地位的鸡是比较有优势的,它们可以第一时间获得食物,这种行为叫做等级制度。等级制度在鸡的社会生活中起着重要的作用,鸡群中的具有较强觅食行为的公鸡占优势,在雄鸡的周围有更多的母鸡和小鸡,鸡群在觅食的过程中,这种等级制度会不断的更新。Meng等人在2014年根据鸡群的等级制度和搜索食物行为提出了鸡群优化(Chicken Swarm Optimization, CSO)算法。它的原始参考文献如下
“Meng X, Liu Y, Gao X, et al. A new bio-inspired algorithm: chicken swarm optimization[C]//Advances in Swarm Intelligence: 5th International Conference, ICSI 2014, Hefei, China, October 17-20, 2014, Proceedings, Part I 5. Springer International Publishing, 2014: 86-94.” 01 遵循规则 鸡群优化算法遵循如下规则
1)将整个鸡群分成若干子群,每个子群都由一只公鸡,若干只母鸡和小鸡组成,即子群的个数由公鸡的个数决定。
2)按照每只鸡适应度值的大小将种群分为公鸡、母鸡和小鸡,其中适应度较好的为公鸡,适应度较差的为小鸡,其余的为母鸡。
3)公鸡、母鸡、小鸡三者之间的等级制度一旦确立将数代保持不变,等级制度每隔G(G∈[2,20])代更新一次。
4)每个组内母鸡跟随该组的公鸡觅食,也可随机偷取其他组内食物;每组内小鸡跟随妈妈母鸡进行觅食。
5)每一只鸡的位置都对应优化问题的一个解。假设在一个种群里有N个个体,公鸡的数量为NR,母鸡的数量为NH,小鸡的数量为NC,妈妈母鸡的数量为NM。妈妈母鸡是从母鸡中随机选取,每个母鸡妈妈有若干个孩子小鸡。
6)在鸡群中,不同等级的鸡的位置迭代方式有所不同。 02 算法设计 03 计算流程 04 实验仿真 将CSO算法用于函数寻优算法的MATLAB程序是严格按照它的原始参考文献进行编码的。利用CEC2005测试集验证CSO的性能这里选择2022年提出的金豺优化(GJO)算法进行效果对比(为了实验的公平性两种算法的种群大小设置为50最大迭代次数为500)。这里仅对仿真结果进行简要展示不再进一步分析。
对比结果如下所示 CSO Vs GJO 在个别函数上收敛曲线不见了是因为已经收敛到理论最优值0了。我使用的是semilogy来绘制的收敛曲线而semilogy画的是y轴的对数因此若曲线收敛到0semilogy是画不出来的。 05 MATLAB代码 CSO算法对应的MATLAB代码链接如下
CSO跑CEC2005测试集公众号里有链接CSO跑CEC2013测试集公众号里有链接CSO跑CEC2014测试集公众号里有链接CSO跑CEC2017测试集公众号里有链接CSO跑CEC2020优化函数测试集公众号里有链接CSO跑CEC2022优化函数测试集公众号里有链接CSO的勘探(Exploration)和开发(Exploitation)占比分析公众号里有链接CSO的工程应用(第1期)压力容器设计、滚动轴承设计、拉伸/压缩弹簧设计、悬臂梁设计、轮系设计、三杆桁架设计公众号里有链接CSO的工程应用(第2期)焊接梁设计、多盘离合器制动器设计问题、步进圆锥滑轮问题、减速机设计问题、行星轮系设计优化问题、机器人夹持器问题公众号里有链接 可通过下方链接下载代码清单在里面寻找需要的算法代码然后去对应的链接获取。清单会同步更新一旦有新的代码就可以在清单里找到。清单里面有部分代码是开源获取的。可随时免费下载。
链接https://pan.baidu.com/s/1n2vpbwuhpA8oyXSJGsAsmA
提取码8023
