西安建设工程网站,wordpress如何恢复默认主题,企业网站系统设计,wordpress 404 调用
一、五种算法#xff08;DBO、LO、SWO、COA、GRO#xff09;简介
1、蜣螂优化算法DBO
蜣螂优化算法#xff08;Dung beetle optimizer#xff0c;DBO#xff09;由Jiankai Xue和Bo Shen于2022年提出#xff0c;该算法主要受蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为…
一、五种算法DBO、LO、SWO、COA、GRO简介
1、蜣螂优化算法DBO
蜣螂优化算法Dung beetle optimizerDBO由Jiankai Xue和Bo Shen于2022年提出该算法主要受蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为的启发所得。【精选】单目标优化蜣螂优化算法Dung beetle optimizerDBO_蜣螂算法_IT猿手的博客-CSDN博客
参考文献Xue, J., Shen, B. Dung beetle optimizer: a new meta-heuristic algorithm for global optimization. J Supercomput (2022). Dung beetle optimizer: a new meta-heuristic algorithm for global optimization | The Journal of Supercomputing
2、狐猴优化算法LO
狐猴优化算法Lemurs OptimizerLO由Ammar Kamal Abasi等人于2022年提出该算法模拟狐猴的跳跃和跳舞行为具有结构简单思路新颖搜索速度快等优势。单目标应用基于狐猴优化算法Lemurs OptimizerLO的微电网优化调度MATLAB_IT猿手的博客-CSDN博客
参考文献
[1]Abasi AK, Makhadmeh SN, Al-Betar MA, Alomari OA, Awadallah MA, Alyasseri ZAA, Doush IA, Elnagar A, Alkhammash EH, Hadjouni M. Lemurs Optimizer: A New Metaheuristic Algorithm for Global Optimization. Applied Sciences. 2022; 12(19):10057. Applied Sciences | Free Full-Text | Lemurs Optimizer: A New Metaheuristic Algorithm for Global Optimization
3、蜘蛛蜂优化算法SWO
蜘蛛蜂优化算法Spider wasp optimizerSWO由Mohamed Abdel-Basset等人于2023年提出该算法模型雌性蜘蛛蜂的狩猎、筑巢和交配行为具有搜索速度快求解精度高的优势。VRPTWMATLAB蜘蛛蜂优化算法SWO求解带时间窗的车辆路径问题VRPTW提供参考文献及MATLAB代码-CSDN博客
参考文献
[1]Abdel-Basset, M., Mohamed, R., Jameel, M. et al. Spider wasp optimizer: a novel meta-heuristic optimization algorithm. Artif Intell Rev (2023). Spider wasp optimizer: a novel meta-heuristic optimization algorithm | SpringerLink
4、小龙虾优化算法COA
小龙虾优化算法Crayfsh optimization algorithmCOA由Jia Heming 等人于2023年提出该算法模拟小龙虾的避暑、竞争和觅食行为具有搜索速度快搜索能力强能够有效平衡全局搜索和局部搜索的能力。多目标优化算法基于非支配排序的小龙虾优化算法NSCOAMATLAB_IT猿手的博客-CSDN博客
参考文献
[1] Jia, H., Rao, H., Wen, C. et al. Crayfish optimization algorithm. Artif Intell Rev (2023). Crayfish optimization algorithm | SpringerLink
5、淘金优化算法GRO
淘金优化算法Gold rush optimizerGRO由Kamran Zolf于2023年提出其灵感来自淘金热模拟淘金者进行黄金勘探行为。VRPTWMATLAB淘金优化算法GRO求解带时间窗的车辆路径问题VRPTW提供参考文献及MATLAB代码-CSDN博客
参考文献
K. Zolfi. Gold rush optimizer: A new population-based metaheuristic algorithm. Operations Research and Decisions 2023: 33(1), 113-150. DOI 10.37190/ord230108
二、模型简介
参考文献
[1]胡观凯,钟建华,李永正,黎万洪.基于IPSO-GA算法的无人机三维路径规划[J].现代电子技术,2023,46(07):115-120
三、DBO、LO、SWO、COA、GRO求解无人机路径规划
1部分代码
close all
clear
clc
warning off;
%% 三维路径规划模型定义
global startPos goalPos N
N2;%待优化点的个数(可以修改)
startPos [10, 10, 80]; %起点(可以修改)
goalPos [80, 90, 150]; %终点(可以修改)
SearchAgents_no30; % 种群大小(可以修改)
Function_nameF1; %F1:随机产生地图 F2导入固定地图
Max_iteration100; %最大迭代次数(可以修改)
% Load details of the selected benchmark function
[lb,ub,dim,fobj]Get_Functions_details(Function_name);
AlgorithmName{DBO,LO,SWO,COA,GRO};%算法名称
addpath(./AlgorithmCode/)%添加算法路径
bestFit[];%保存各算法的最优适应度值
for i1:size(AlgorithmName,2)%遍历每个算法依次求解当前问题
Algorithmstr2func(AlgorithmName{i});%获取当前算法名称并将字符转换为函数
[Best_score,Best_pos,Convergence_curve]Algorithm(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);%当前算法求解
%将当前算法求解结果放入data中
data(i).Best_scoreBest_score;%保存该算法的Best_score到data
data(i).Best_posBest_pos;%保存该算法的Best_pos到data
data(i).Convergence_curveConvergence_curve;%保存该算法的Convergence_curve到data
bestFit[bestFit data(i).Best_score];
end%% 画各算法的直方图
figure
bar(bestFit)
ylabel(无人机飞行路径长度);
set(gca,xtick,1:1:size(AlgorithmName,2));
set(gca,XTickLabel,AlgorithmName)
saveas(gcf,./Picture/直方图.jpg) %将图片保存到Picture文件夹下面%% 画收敛曲线
strColor{r-,g-,b-,k-,m-,c-,y-};
figure
for i1:size(data,2)
plot(data(i).Convergence_curve,strColor{i},linewidth,1.5)%semilogy
hold on
end
xlabel(迭代次数);
ylabel(无人机飞行路径长度);
legend(AlgorithmName,Location,Best)
saveas(gcf,./Picture/收敛曲线.jpg) %将图片保存到Picture文件夹下面%% 显示三维图并保存
pathplotFigure(data,AlgorithmName,strColor);%path是各算法求解的无人机路径
saveas(gcf,./Picture/路径曲线三维.jpg) %将图片保存到Picture文件夹下面%% 显示二维图并保存
view(2)
saveas(gcf,./Picture/路径曲线二维.jpg) %将图片保存到Picture文件夹下面2部分结果 四、完整MATLAB代码
