注意：此代碼實現(xiàn)的是求目標(biāo)函數(shù)最大值，求最小值可將適應(yīng)度函數(shù)乘以-1（框架代碼已實現(xiàn)）。
注意：此代碼實現(xiàn)的是求目標(biāo)函數(shù)最大值，求最小值可將適應(yīng)度函數(shù)乘以-1（框架代碼已實現(xiàn)）。
注意：此代碼實現(xiàn)的是求目標(biāo)函數(shù)最大值，求最小值可將適應(yīng)度函數(shù)乘以-1（框架代碼已實現(xiàn)）。
1.代碼實現(xiàn)
不了解蟻獅算法可以先看看優(yōu)化算法筆記（二十二）蟻獅算法
實現(xiàn)代碼前需要先完成優(yōu)化算法matlab實現(xiàn)（二）框架編寫中的框架的編寫。
| 文件名 | 描述 |
|---|---|
| ..\optimization algorithm\frame\Unit.m | 個體 |
| ..\optimization algorithm\frame\Algorithm_Impl.m | 算法主體 |
以及優(yōu)化算法matlab實現(xiàn)（四）測試粒子群算法中的測試函數(shù)、函數(shù)圖像的編寫。
| 文件名 | 描述 |
|---|---|
| ..\optimization algorithm\frame\Get_Functions_details.m | 測試函數(shù)，求值用 |
| ..\optimization algorithm\frame\func_plot.m | 函數(shù)圖像，畫圖用 |
蟻獅算法的個體有獨有屬性：隨機游走，是一個dim維度的向量。
蟻獅算法個體
文件名：.. \optimization algorithm\algorithm_ant_lion\ALO_Unit.m
% 蟻獅算法個體
classdef ALO_Unit < Unit
properties
% 隨機游走值,dim維向量
rand_walk
end
methods
function self = ALO_Unit()
end
end
end
蟻獅算法算法主體
文件名：..\optimization algorithm\algorithm_ant_lion\ALO_Base.m
% 蟻獅算法
classdef ALO_Base < Algorithm_Impl
properties
% 算法名稱
name = 'ALO';
% 螞蟻列表，已有的unit_list為蟻獅列表
ant_list=[];
end
% 外部可調(diào)用的方法
methods
function self = ALO_Base(dim,size,iter_max,range_min_list,range_max_list)
% 調(diào)用父類構(gòu)造函數(shù)
self@Algorithm_Impl(dim,size,iter_max,range_min_list,range_max_list);
self.name ='ALO';
end
end
% 繼承重寫父類的方法
methods (Access = protected)
% 初始化種群
function init(self)
init@Algorithm_Impl(self)
%初始化種群
for i = 1:self.size
unit = ALO_Unit();
% 隨機初始化位置：rand(0,1).*(max-min)+min
unit.position = unifrnd(self.range_min_list,self.range_max_list);
% 計算適應(yīng)度值
unit.value = self.cal_fitfunction(unit.position);
% 將個體加入群體數(shù)組
self.unit_list = [self.unit_list,unit];
ant = ALO_Unit();
% 隨機初始化位置：rand(0,1).*(max-min)+min
ant.position = unifrnd(self.range_min_list,self.range_max_list);
% 計算適應(yīng)度值
ant.value = self.cal_fitfunction(ant.position);
ant.rand_walk = ones(1,self.dim);
% 將個體加入群體數(shù)組
self.ant_list = [self.ant_list,ant];
end
end
% 每一代的更新
function update(self,iter)
update@Algorithm_Impl(self,iter)
% 計算本次迭代陷阱大小
ratio = self.get_ratio(iter);
% 更新螞蟻位置
self.update_ant_position(iter,ratio);
% 更新蟻獅位置
self.update_ant_lion_position();
end
% 螞蟻隨機游走
function rand_walk(self,iter)
for s = 1:self.size
% 計算一組隨機游走值{-1,1}
rand_mat = round(unifrnd(0,1,iter,self.dim))*2 - 1;
% 對矩陣的每一列求和
rand_d = sum(rand_mat,1);
self.ant_list(s).rand_walk = rand_d;
end
end
% 獲取陷阱范圍
function ratio = get_ratio(self,iter)
ratio = 1;
if(iter>self.iter_max*0.1)
ratio = 1+100*iter/self.iter_max;
end
if(iter>self.iter_max*0.5)
ratio = 1+1000*(iter/self.iter_max);
end
if(iter>self.iter_max*0.75)
ratio = 1+10000*iter/self.iter_max;
end
if(iter>self.iter_max*0.9)
ratio = 1+100000*iter/self.iter_max;
end
if(iter>self.iter_max*0.95)
ratio = 1+1000000*iter/self.iter_max;
end
end
% 螞蟻選擇蟻獅
function id = choose_ant_lion(self)
% 構(gòu)建一個輪盤賭選擇
roulette_value = ones(1,self.size);
% 獲取最差螞蟻的值
% 求最大值則降序排列
[value,index] = sort([self.ant_list.value],'descend');
worst_ant_value = value(end);
% 計算各螞蟻輪盤賭值，最差螞蟻輪盤賭值為0，必不選中
for i = 1:self.size
roulette_value(i) = self.ant_list(i).value-worst_ant_value;
end
% 累計求和
roulette_rate = cumsum(roulette_value);
% 隨機取值
p = rand() * roulette_rate(end);
id = 1;
for index = 1 : length(roulette_rate)
if (roulette_rate(index) > p)
id = index;
break;
end
end
end
% 更新螞蟻位置
function update_ant_position(self,iter,ratio)
% 螞蟻隨機游走
self.rand_walk(iter);
% 獲取各個維度隨機游走最大最小值
rand_walk_max = ones(1,self.dim)-realmax('double');
rand_walk_min = ones(1,self.dim)*realmax('double');
for d = 1:self.dim
for s = 1:self.size
if rand_walk_max(d) <self.ant_list(s).rand_walk(d)
rand_walk_max(d) = self.ant_list(s).rand_walk(d);
end
if rand_walk_min(d) >self.ant_list(s).rand_walk(d)
rand_walk_min(d) = self.ant_list(s).rand_walk(d);
end
end
end
% 最優(yōu)蟻獅id
best_ant_lion_id = self.get_best_id();
for i = 1:self.size
% 獲取當(dāng)前螞蟻選擇的蟻獅
ant_lion_id = self.choose_ant_lion();
ant_lion = self.unit_list(ant_lion_id);
% 最優(yōu)蟻獅個體
ant_lion_elite = self.unit_list(best_ant_lion_id);
% 計算出選中蟻獅陷阱范圍
rand_goal_min = ant_lion.position+(self.range_min_list/ratio);
rand_goal_max = ant_lion.position+(self.range_max_list/ratio);
% 計算螞蟻向選中蟻獅前進的位置
position_goal = (self.ant_list(i).rand_walk-rand_walk_min)./(rand_walk_max-rand_walk_min).*(rand_goal_max-rand_goal_min)+rand_goal_min;
position_goal = self.get_out_bound_value(position_goal);
% 計算出最優(yōu)蟻獅陷阱范圍
rand_elite_min = ant_lion_elite.position+(self.range_min_list/ratio);
rand_elite_max = ant_lion_elite.position+(self.range_max_list/ratio);
% 計算螞蟻向最優(yōu)蟻獅前進的位置
position_elite = (self.ant_list(i).rand_walk-rand_walk_min+1)./(rand_walk_max-rand_walk_min+1).*(rand_elite_max-rand_elite_min)+rand_elite_min;
position_elite = self.get_out_bound_value(position_elite);
% 結(jié)果為兩個位置的中點
new_pos = (position_goal+position_elite)/2;
new_value = self.cal_fitfunction(new_pos);
% 螞蟻移動到指定位置
self.ant_list(i).position = new_pos;
self.ant_list(i).value = new_value;
end
end
% 更新蟻獅位置
function update_ant_lion_position(self)
all_list = [self.unit_list,self.ant_list];
% 選擇蟻獅和螞蟻中最優(yōu)的N個做為蟻獅
[value,index] = sort([all_list.value],'descend');
for i = 1:self.size
self.unit_list(i).position = all_list(index(i)).position;
self.unit_list(i).value = all_list(index(i)).value;
end
end
% 獲取當(dāng)前最優(yōu)個體的id
function best_id=get_best_id(self)
% 求最大值則降序排列
[value,index] = sort([self.unit_list.value],'descend');
best_id = index(1);
end
end
end
文件名：..\optimization algorithm\algorithm_ant_lion\ALO_Impl.m
算法實現(xiàn)，繼承于Base,圖方便也可不寫，直接用ALO_Base，這里為了命名一致。
% 蟻獅算法實現(xiàn)
classdef ALO_Impl < ALO_Base
% 外部可調(diào)用的方法
methods
function self = ALO_Impl(dim,size,iter_max,range_min_list,range_max_list)
% 調(diào)用父類構(gòu)造函數(shù)設(shè)置參數(shù)
self@ALO_Base(dim,size,iter_max,range_min_list,range_max_list);
end
end
end
2.測試
測試F1
文件名：..\optimization algorithm\algorithm_ant_lion\Test.m
%% 清理之前的數(shù)據(jù)
% 清除所有數(shù)據(jù)
clear all;
% 清除窗口輸出
clc;
%% 添加目錄
% 將上級目錄中的frame文件夾加入路徑
addpath('../frame')
%% 選擇測試函數(shù)
Function_name='F1';
%[最小值，最大值，維度，測試函數(shù)]
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);
%% 算法實例
% 種群數(shù)量
size = 50;
% 最大迭代次數(shù)
iter_max = 1000;
% 取值范圍上界
range_max_list = ones(1,dim).*ub;
% 取值范圍下界
range_min_list = ones(1,dim).*lb;
% 實例化蟻獅算法類
base = ALO_Impl(dim,size,iter_max,range_min_list,range_max_list);
base.is_cal_max = false;
% 確定適應(yīng)度函數(shù)
base.fitfunction = fobj;
% 運行
base.run();
disp(base.cal_fit_num);
%% 繪制圖像
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);
% 繪制曲線，由于算法是求最大值，適應(yīng)度函數(shù)為求最小值，故乘了-1，此時去掉-1
semilogy((base.value_best_history),'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
% 將坐標(biāo)軸調(diào)整為緊湊型
axis tight
% 添加網(wǎng)格
grid on
% 四邊都顯示刻度
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)]);
