注意：此代碼實(shí)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(shí)現(xiàn)）。
注意：此代碼實(shí)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(shí)現(xiàn)）。
注意：此代碼實(shí)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(shí)現(xiàn)）。
1.代碼實(shí)現(xiàn)
不了解麻雀算法可以先看看優(yōu)化算法筆記（二十一）麻雀搜索算法
實(shí)現(xiàn)代碼前需要先完成優(yōu)化算法matlab實(shí)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(gè)體 |
| ..\optimization algorithm\frame\Algorithm_Impl.m | 算法主體 |
以及優(yōu)化算法matlab實(shí)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 |
麻雀算法的個(gè)體沒有獨(dú)有屬性。
麻雀算法個(gè)體
文件名：.. \optimization algorithm\algorithm_sparrow_search\SSA_Unit.m
% 麻雀搜索算法個(gè)體
classdef SSA_Unit < Unit
properties
end
methods
function self = SSA_Unit()
end
end
end
麻雀算法算法主體
文件名：..\optimization algorithm\algorithm_sparrow_search\SSA_Base.m
% 麻雀搜索算法
classdef SSA_Base < Algorithm_Impl
properties
% 算法名稱
name = 'SSA';
ST = 0.8;
% 發(fā)現(xiàn)者比例
PROD_rate = 1.0;
% 偵察者比例
SD_rate = 0.2;
% 當(dāng)前群體中最差位置
position_worst;
% 當(dāng)前群體中最差適應(yīng)度
value_worst;
end
% 外部可調(diào)用的方法
methods
function self = SSA_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 ='SSA';
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 = SSA_Unit();
% 隨機(jī)初始化位置：rand(0,1).*(max-min)+min
unit.position = unifrnd(self.range_min_list,self.range_max_list);
% 計(jì)算適應(yīng)度值
unit.value = self.cal_fitfunction(unit.position);
% 將個(gè)體加入群體數(shù)組
self.unit_list = [self.unit_list,unit];
end
end
% 每一代的更新
function update(self,iter)
update@Algorithm_Impl(self,iter)
% 從優(yōu)到劣排序
[value,index] = sort([self.unit_list.value],'descend');
self.position_worst = self.unit_list(index(end)).position;
self.value_worst = self.unit_list(index(end)).value;
for i = 1:self.size
if(i<self.size*self.PROD_rate)
% 較好的個(gè)體作為發(fā)現(xiàn)者
self.update_producer(i,index);
else
% 其余作為跟隨者
self.update_scrounger(i,index);
end
end
% 隨機(jī)亂序id
id_list = randperm(self.size);
for i = 1:floor(self.size*self.SD_rate)
% 取一定比例的作為偵察者
self.update_perceive_danger(id_list(i))
end
end
% 更新發(fā)現(xiàn)者
function update_producer(self,i,index_list)
id = index_list(i);
if rand<self.ST
new_pos = self.unit_list(id).position.*exp(-i./(unifrnd(0,1,1,self.dim)*self.iter_max));
new_pos = self.get_out_bound_value(new_pos);
else
new_pos = self.unit_list(id).position + normrnd(0,1,1 ,self.dim);
new_pos = self.get_out_bound_value(new_pos);
end
% 保留更優(yōu)的位置
new_value = self.cal_fitfunction(new_pos);
if(new_value > self.unit_list(id).value)
self.unit_list(id).value = new_value;
self.unit_list(id).position = new_pos;
end
end
% 更新跟隨者
function update_scrounger(self,i,index_list)
id = index_list(i);
if i > self.size/2
new_pos = normrnd(0,1,1 ,self.dim).*exp((self.position_worst-self.unit_list(id).position)/(i^2));
new_pos = self.get_out_bound_value(new_pos);
else
% 隨機(jī)選擇一個(gè)發(fā)現(xiàn)者
p_i = randperm(floor(self.size*self.SD_rate));
p_id = index_list(p_i(1));
rnd = unidrnd(2,1,self.dim)*2-3;
sum_rnd = sum(rnd);
new_pos = self.unit_list(p_id).position+(self.unit_list(id).position-self.unit_list(p_id).position)*sum_rnd/self.dim;
end
% 保留更優(yōu)的位置
new_value = self.cal_fitfunction(new_pos);
if(new_value > self.unit_list(id).value)
self.unit_list(id).value = new_value;
self.unit_list(id).position = new_pos;
end
end
% 更新偵察者
function update_perceive_danger(self,id)
if self.unit_list(id).value < self.value_best
new_pos = self.position_best+normrnd(0,1,1 ,self.dim).*self.unit_list(id).position;
new_pos = self.get_out_bound_value(new_pos);
else
new_pos = self.unit_list(id).position + unifrnd(-1,1,1,self.dim).*(self.unit_list(id).position-self.position_worst)/(self.unit_list(id).value-self.value_worst+realmin('double'));
new_pos = self.get_out_bound_value(new_pos);
end
% 保留更優(yōu)的位置
new_value = self.cal_fitfunction(new_pos);
if(new_value > self.unit_list(id).value)
self.unit_list(id).value = new_value;
self.unit_list(id).position = new_pos;
end
end
% 獲取當(dāng)前最優(yōu)個(gè)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_sparrow_search\SSA_Impl.m
算法實(shí)現(xiàn)，繼承于Base,圖方便也可不寫，直接用SSA_Base，這里為了命名一致。
% 麻雀算法實(shí)現(xiàn)
classdef SSA_Impl < SSA_Base
% 外部可調(diào)用的方法
methods
function self = SSA_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@SSA_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_sparrow_search\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(shí)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(shí)例化麻雀搜索算法類
base = SSA_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(yùn)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(shí)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)]);
