????????歡迎來(lái)到本博客????????

??博主優(yōu)勢(shì)：??????博客內(nèi)容盡量做到思維縝密，邏輯清晰，為了方便讀者。

??座右銘：行百里者，半于九十。

??????本文目錄如下：??????

目錄

??1 概述

??2 運(yùn)行結(jié)果

??3?參考文獻(xiàn)

??4 Matlab代碼實(shí)現(xiàn)

---

??1 概述

文獻(xiàn)來(lái)源：

文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-622555.html

摘要:為了解決蝴蝶優(yōu)化算法(BOA)精度低、收斂速度慢的問(wèn)題，將兩種或兩種以上的算法進(jìn)行雜交以獲得優(yōu)化問(wèn)題的優(yōu)解是研究的趨勢(shì)。提出了一種新的混合算法HPSOBOA，并介紹了三種改進(jìn)基本BOA的方法。因此，引入了基于一維三次映射的BOA初始化方法，并采用了非線性參數(shù)控制策略。此外，將粒子群優(yōu)化(PSO)算法與BOA算法相結(jié)合，改進(jìn)了全局優(yōu)化的基本BOA算法。通過(guò)兩個(gè)實(shí)驗(yàn)(包括26個(gè)知名的基準(zhǔn)函數(shù))驗(yàn)證了所提算法的有效性。實(shí)驗(yàn)對(duì)比結(jié)果表明，與PSO、BOA等已知群優(yōu)化算法相比，混合HPSOBOA算法收斂速度快，在高維數(shù)值優(yōu)化問(wèn)題上具有更好的穩(wěn)定性。

蝴蝶優(yōu)化算法(BOA)由Arora和Singh于2018年提出[1]。

該算法的方法和概念最早在2015年國(guó)際信號(hào)處理、計(jì)算與控制會(huì)議(2015 ISPCC)上提出[2]。該算法提出后，作者對(duì)BOA進(jìn)行了大量的研究。Arora和Singh[3]提出了一種改進(jìn)的帶有十個(gè)混沌映射的蝴蝶優(yōu)化算法，用于解決三個(gè)工程優(yōu)化問(wèn)題。Arora和Singh[4]提出了一種新的混合優(yōu)化算法，將標(biāo)準(zhǔn)BOA與人工蜂群(Artificial Bee Colony, ABC)算法相結(jié)合。Arora和Singh[5]利用BOA求解無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)定位問(wèn)題，并將結(jié)果與粒子群優(yōu)化算法(particle swarm optimization, PSO)和螢火蟲(chóng)算法(firefly algorithm, FA)進(jìn)行了比較。Arora等[6]提出了一種改進(jìn)的蝶形優(yōu)化算法來(lái)解決機(jī)械設(shè)計(jì)優(yōu)化問(wèn)題。Singh和Anand[7]提出了一種新的自適應(yīng)蝴蝶優(yōu)化算法，這是一種改變基本BOA感覺(jué)模態(tài)的新現(xiàn)象。Sharma和Saha[8]提出了一種新的混合算法(m-MBOA)，利用共生生物搜索(symbiosis organisms search, SOS)的互助階段來(lái)增強(qiáng)BOA的開(kāi)發(fā)能力。Yuan等[9]提出了一種改進(jìn)的蝶形優(yōu)化算法，根據(jù)年成本、能源效率和污染物減排等因素對(duì)系統(tǒng)性能進(jìn)行優(yōu)化分析。Li等[10]利用交叉熵方法提出了一種改進(jìn)的工程設(shè)計(jì)問(wèn)題BOA。

此外，所提出的優(yōu)化算法根據(jù)其原理主要分為三類(lèi)，其中著名的元啟發(fā)式算法主要包括進(jìn)化算法:遺傳算法(Genetic algorithm, GA)[15,16]、差分進(jìn)化算法(Differential Evolution, DE) [17];群體智能算法:粒子群算法(Particle swarm Optimization, PSO)[18]、蟻群算法(Ant Colony Optimization, ACO)[19]、人工蜂群算法(Artificial Bee Colony, ABC) [20];基于物理的算法:引力搜索算法(GSA)[21]、正弦余弦算法(SCA)[22]和Henry氣溶解度優(yōu)化算法(HGSO)[23]。近十年來(lái)，學(xué)者們提出了許多新的基于自然界動(dòng)物行為的群體智能優(yōu)化算法，也稱(chēng)為自然啟發(fā)式算法，如蝙蝠啟發(fā)算法(BA)[24]、磷蝦群算法(KH)[25]、果蠅優(yōu)化算法(FOA)[26]、灰狼優(yōu)化算法(GWO)[27]、蛾焰優(yōu)化算法(MFO)[28]、鯨魚(yú)優(yōu)化算法(WOA)[29]、Salp群算法(SSA)[30]、Grasshopper Optimization Algorithm (GOA)[31]和Marine predator Algorithm (MPA)[32]。要了解更多細(xì)節(jié)，讀者可以參考論文[33-35]，其中對(duì)最近和流行的算法進(jìn)行了很好的回顧。

介紹了各種智能優(yōu)化算法的混合算法和粒子群算法的研究現(xiàn)狀。Zhen等[36]提出了一種新的模因算法，稱(chēng)為shuffle particle swarm optimization (SPSO)，該算法將PSO與shuffle frog jumping algorithm (SFLA)相結(jié)合。Niu和Li[37]提出了一種結(jié)合PSO和DE的新型混合全局優(yōu)化算法PSODE。Lai和Zhang[38]提出了一種結(jié)合PSO和GA的新型混合算法，并給出了23個(gè)基準(zhǔn)問(wèn)題的實(shí)驗(yàn)。Mirjalili和Hashim[39]提出了一種新的混合PSOGSA算法用于函數(shù)優(yōu)化。Wang等[40]提出了一種基于磷蝦群和量子粒子群優(yōu)化(QPSO)的混合算法，用于基準(zhǔn)和工程優(yōu)化。Trivedi等[41]提出了一種新的混合PSO-DA算法，將PSO算法與蜻蜓算法(dragonfly algorithm, DA)相結(jié)合，進(jìn)行全局?jǐn)?shù)值優(yōu)化。Trivedi等[42]針對(duì)全局?jǐn)?shù)值優(yōu)化問(wèn)題提出了一種新的PSOWOA算法。Laskar等[43]在對(duì)粒子群算法和其他元啟發(fā)式算法混合算法進(jìn)行研究的基礎(chǔ)上，提出了一種新的用于電子設(shè)計(jì)優(yōu)化問(wèn)題的混合HWPSO算法。此外，粒子群算法與BOA在結(jié)構(gòu)上有一定的相似性，研究一種新的粒子群算法與BOA的混合算法具有重要意義。

??2 運(yùn)行結(jié)果

可視化：

%% plots
figure('Position',[500 400 800 200]) ?%[left bottom width height]
subplot(1,2,1);
func_plot_con(Function_name);
title(Function_name)
% xlabel('x_1');
% ylabel('x_2');
% zlabel([Function_name,'( x_1 , x_2 )'])

%% Convergence curves?
subplot(1,2,2);
semilogy(BOA_cg_curve,'b-','LineWidth',1)
hold on
semilogy(PSOBOA_cg_curve,'g-','LineWidth',1)
hold on
semilogy(HPSOBOA_cg_curve,'r-','LineWidth',1)

% axis tight
% grid off
xlabel('Iterations');
ylabel('Fitness value');
legend('BOA','PSOBOA','HPSOBOA')

??3?參考文獻(xiàn)

部分理論來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)請(qǐng)聯(lián)系刪除。

??4 Matlab代碼實(shí)現(xiàn)

到了這里，關(guān)于【粒子群算法和蝴蝶算法組合】粒子群混沌混合蝴蝶優(yōu)化算法研究（Matlab代碼實(shí)現(xiàn)）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！