注意：此代碼實現的是求目標函數最大值，求最小值可將適應度函數乘以-1（框架代碼已實現）。
注意：此代碼實現的是求目標函數最大值，求最小值可將適應度函數乘以-1（框架代碼已實現）。
注意：此代碼實現的是求目標函數最大值，求最小值可將適應度函數乘以-1（框架代碼已實現）。

1.代碼實現

不了解人工蜂群算法可以先看看優化算法筆記（八）人工蜂群算法
實現代碼前需要先完成優化算法matlab實現（二）框架編寫中的框架的編寫。
實現代碼前需要先完成優化算法matlab實現（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

以及優化算法matlab實現（四）測試粒子群算法中的測試函數、函數圖像的編寫。

文件名	描述
..\optimization algorithm\frame\Get_Functions_details.m	測試函數，求值用
..\optimization algorithm\frame\func_plot.m	函數圖像，畫圖用

人工蜂群算法的每個個體有幾個獨有屬性：蜜源開采次數、蜜蜂類型。
人工蜂群算法個體
文件名：.. \optimization algorithm\algorithm_artificial_bee_colony\ABC_Unit.m

% 人工蜂群算法個體
classdef ABC_Unit < Unit
    
    properties
        % 蜜蜂類型 1.雇傭蜂，2.非雇傭蜂，3.偵查蜂
        type
        % 蜜源最大開采次數
        times
    end
    
    methods
        function self = ABC_Unit()
        end
    end
    
end

人工蜂群算法主體
文件名：..\optimization algorithm\ algorithm_artificial_bee_colony\ABC_Base.m

% 人工蜂群算法
classdef ABC_Base  < Algorithm_Impl
    
    properties
        %算法名稱
        name = 'ABC';
        % 蜜源最大開采次數
        time_max = 60;
        % 雇傭蜂占群體中的概率
        employed_rate = 0.2;
        % 雇傭蜂類型
        EMPLOYED = 1;
        % 非雇傭蜂類型
        UNEMPLOYED = 2;
        % 偵查蜂類型
        SCOUT = 3;
    end
    
    % 外部可調用的方法
    methods
        function self = ABC_Base(dim,size,iter_max,range_min_list,range_max_list)
            % 調用父類構造函數
            self@Algorithm_Impl(dim,size,iter_max,range_min_list,range_max_list);
            self.name ='ABC';
        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 = ABC_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);
                % 計算適應度值
                unit.value = self.cal_fitfunction(unit.position);
                % 設置初始開采次數為0
                unit.times = 0;
                % 設置默認身份為偵查蜂
                unit.type = self.SCOUT;
                % 將個體加入群體數組
                self.unit_list = [self.unit_list,unit];
            end
        end
        
        % 每一代的更新
        function update(self,iter)
            % 設置雇傭蜂
            self.set_employed();
            % 更新個體
            for i = 1:self.size
                % 根據不同類型選擇不同的更新方式
                switch self.unit_list(i).type
                    case self.EMPLOYED
                        % 更新雇傭蜂
                        self.update_employed(i);
                    case self.UNEMPLOYED
                        % 更新非雇傭蜂
                        % 輪盤賭選擇目標
                        goal_id = self.roulette();
                        self.update_unemployed(i,goal_id);
                    case self.SCOUT
                        % 更新偵查蜂
                        self.update_scout(i);
                    otherwise
                        continue
                end
            end
            % 檢查開采次數
            self.check_times();
            update@Algorithm_Impl(self,iter)
        end
        
        % 設置雇傭蜂（當雇傭蜂數量為0時）
        function set_employed(self)
            % 計算種群中雇傭蜂數量
            employed_num = 0;
            for i = 1:self.size
                if(self.unit_list(i).type == self.EMPLOYED)
                    employed_num = employed_num + 1;
                end
            end
            
            if employed_num > 0
                % 如果雇傭蜂數量不為0則直接跳出
                return
            end
            
            % 求最大值則降序排列
            [value,index] = sort([self.unit_list.value],'descend');
            for i=1:self.size
                if(i<self.employed_rate*self.size+1)
                    % 將排名靠前的部分蜜蜂設為雇傭蜂
                    self.unit_list(index(i)).type = self.EMPLOYED;
                else
                    % 將其他蜜蜂設為非雇傭蜂
                    self.unit_list(index(i)).type = self.UNEMPLOYED;
                end
            end
        end
        
        % 更新雇傭蜂位置
        function update_employed(self,id)
            rand_id_list = randperm(self.size);
            rand_id = rand_id_list(1);
            if(rand_id == id)
                rand_id = rand_id_list(2);
            end
            rnd = unifrnd(-1,1,1,self.dim);
            % 計算新蜜源位置
            new_pos = self.unit_list(id).position+rnd.*(self.unit_list(id).position-self.unit_list(rand_id).position);
            % 越界檢查
            new_pos = self.get_out_bound_value(new_pos);
            new_value = self.cal_fitfunction(new_pos);
            if (new_value > self.unit_list(id).value)
                % 如果新位置更優則更新
                self.unit_list(id).position = new_pos;
                self.unit_list(id).value = new_value;
                self.unit_list(id).times = 0;
            else
                % 否則開采次數+1
                self.unit_list(id).times = self.unit_list(id).times +1 ;
            end
        end
        
        % 更新非雇傭蜂位置
        function update_unemployed(self,id,goal_id)
            % 隨機選擇一個雇傭蜂作為目標
            rand_id_list = randperm(self.size);
            rand_id = rand_id_list(1);
            if(rand_id == goal_id)
                rand_id = rand_id_list(2);
            end
            
            new_pos = self.unit_list(goal_id).position+unifrnd(-1,1,1,self.dim).*(self.unit_list(goal_id).position-self.unit_list(rand_id).position);
            new_pos = self.get_out_bound_value(new_pos);
            new_value = self.cal_fitfunction(new_pos);
            
            if(new_value> self.unit_list(goal_id).value)
                % 如果新蜜源更優則更新蜜源
                self.unit_list(id).value = new_value;
                self.unit_list(id).position = new_pos;
                self.unit_list(id).type = self.EMPLOYED;
                self.unit_list(id).times = 0;
                % 原雇傭蜂變為非雇傭蜂
                self.unit_list(goal_id).type = self.UNEMPLOYED;
                self.unit_list(goal_id).times = 0;
            elseif(new_value >  self.unit_list(id).value)
                % 如果新蜜源差于老蜜源，但由于非雇傭蜂位置
                self.unit_list(id).value = new_value;
                self.unit_list(id).position = new_pos;
                self.unit_list(goal_id).times = self.unit_list(goal_id).times + 1;
            else
                % 否則，蜜源開采次數+1
                self.unit_list(goal_id).times = self.unit_list(goal_id).times + 1;
            end
        end
        
        % 更新偵查蜂
        function update_scout(self,id)
            
            new_pos = unifrnd(self.range_min_list,self.range_max_list);
            new_pos = self.get_out_bound_value(new_pos);
            self.unit_list(id).position = new_pos;
            self.unit_list(id).value = self.cal_fitfunction(new_pos);
            self.unit_list(id).times = 0;
            
            % 計算種群中雇傭蜂數量
            employed_num = 0;
            for i = 1:self.size
                if(self.unit_list(i).type == self.EMPLOYED)
                    employed_num = employed_num + 1;
                end
            end
            
            if (employed_num < self.size*self.employed_rate)
                self.unit_list(id).type = self.EMPLOYED;
            else
                self.unit_list(id).type = self.UNEMPLOYED;
            end
        end
        
        % 檢查蜜源開采次數，是否需要放棄，成為偵查蜂
        function check_times(self)
            for i = 1:self.size
                if (self.unit_list(i).type == self.EMPLOYED)
                    if(self.unit_list(i).times > self.time_max)
                        % 將開采次數設為0
                        self.unit_list(i).times = 0;
                        % 轉化為偵查蜂
                        self.unit_list(i).type = self.SCOUT;
                    end
                end
            end
        end
        
        % 輪盤賭選擇蜜源
        function goal_id = roulette(self)
            % 獲取輪盤賭值
            roulette_rate = self.get_roulette_rate();
            % 群體輪盤賭值之和
            roulette_sum = sum(roulette_rate);
            goal_id = 1;

            for i = 1:self.size
                if(self.unit_list(i).type ~= self.EMPLOYED)
                    % 如果不是雇傭蜂則跳過
                    continue
                end
                % 當前輪盤賭值
                roulette_temp = roulette_rate(1);
                rand = unifrnd(0, roulette_sum);
                % 隨機數落在了哪個id的輪盤區間
                for j = 1:self.size
                    if (j == self.size)
                        goal_id = self.size;
                        return
                    elseif(rand < roulette_temp)
                        goal_id = j;
                        return
                    end
                    roulette_temp = roulette_temp + roulette_rate(j);
                end
            end
        end
        
        % 計算輪盤賭概率
        function rate_list = get_roulette_rate(self)
            rate_list = zeros(1,self.size);
            roulette_value_min = realmax('double');
            
            % 計算出最小的適應度值
            for i = 1:self.size
                if(self.unit_list(i).type ~= self.EMPLOYED)
                    % 如果不是雇傭蜂則跳過
                    continue
                end
                rate_list(i) = self.unit_list(i).value;
                if (rate_list(i) < roulette_value_min)
                    roulette_value_min = rate_list(i);
                end
            end
            % 計算出每個個體的輪盤賭數值
            for i = 1:self.size
                if(self.unit_list(i).type ~= self.EMPLOYED)
                    % 如果不是雇傭蜂則跳過
                    continue
                end
                rate_list(i) = rate_list(i) - roulette_value_min;
            end
        end
        
    end
end

文件名：..\optimization algorithm\algorithm_artificial_bee_colony\ABC_Impl.m
算法實現，繼承于Base,圖方便也可不寫，直接用ABC_Base，這里為了命名一致。

%ABC實現
classdef ABC_Impl < ABC_Base
   
    % 外部可調用的方法
    methods
        function self = ABC_Impl(dim,size,iter_max,range_min_list,range_max_list)
            % 調用父類構造函數設置參數
             self@ABC_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_artificial_bee_colony\Test.m

%% 清理之前的數據
% 清除所有數據
clear all;
% 清除窗口輸出
clc;

%% 添加框架路徑
% 將上級目錄中的frame文件夾加入路徑
addpath('../frame')

%% 選擇測試函數
Function_name='F1';
% [最小值，最大值，維度，測試函數]
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);

%% 算法實例
% 種群數量
size = 50;
% 最大迭代次數
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;

% 實例化人工蜂群算法類
base = ABC_Impl(dim,size,iter_max,range_min_list,range_max_list);
% 告訴算法求不是求最大值
base.is_cal_max = false;
% 確定適應度函數
base.fitfunction =fobj;
% 運行
base.run();

%% 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
semilogy(base.value_best_history,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
% 將坐標軸調整為緊湊型
axis tight
% 添加網格
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)]);

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频

優化算法matlab實現（八）人工蜂群算法matlab實現

優化算法matlab實現（八）人工蜂群算法matlab實現

1.代碼實現

推薦閱讀更多精彩內容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美 国产 综合 欧美 视频

優化算法matlab實現（八）人工蜂群算法matlab實現

1.代碼實現

推薦閱讀更多精彩內容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频