注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数除以-1（框架代码已实现）。gcc物理好资源网(原物理ok网)

注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数除以-1（框架代码已实现）。gcc物理好资源网(原物理ok网)

注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数除以-1（框架代码已实现）。gcc物理好资源网(原物理ok网)

1.代码实现gcc物理好资源网(原物理ok网)

不了解万有引力算法可以先瞧瞧优化算法笔记（十七）万有引力算法gcc物理好资源网(原物理ok网)

实现代码前须要先完成优化算法实现（二）框架编撰中的框架的编撰。gcc物理好资源网(原物理ok网)

文件名描述gcc物理好资源网(原物理ok网)

..\frameUnit.mgcc物理好资源网(原物理ok网)

个体gcc物理好资源网(原物理ok网)

..\frame.mgcc物理好资源网(原物理ok网)

算法主体gcc物理好资源网(原物理ok网)

以及优化算法实现（四）测试粒子群算法中的测试函数、函数图象的编撰。gcc物理好资源网(原物理ok网)

文件名描述gcc物理好资源网(原物理ok网)

..\frames.mgcc物理好资源网(原物理ok网)

测试函数，求值用gcc物理好资源网(原物理ok网)

..\frame.mgcc物理好资源网(原物理ok网)

函数图象万有引力常数，作图用gcc物理好资源网(原物理ok网)

万有引力算法的个体有三个独有属性：速率、质量和加速度。gcc物理好资源网(原物理ok网)

万有引力算法个体gcc物理好资源网(原物理ok网)

文件名：..\.mgcc物理好资源网(原物理ok网)

% 万有引力算法个体
classdef GSA_Unit < Unit
    
    properties
        % 速度
        velocity;
        % 加速度
        acc;
        % 质量
        mass;
    end
    
    methods
        function self = GSA_Unit()
        end
    end
    
end

gcc物理好资源网(原物理ok网)

万有引力算法算法主体gcc物理好资源网(原物理ok网)

文件名：..\.mgcc物理好资源网(原物理ok网)

% 万有引力算法
classdef GSA_Base  < Algorithm_Impl
    
    properties
        % 算法名称
        name = 'GSA';
        % 重力加速度
        G;
    end
    
    % 外部可调用的方法
    methods
        function self = GSA_Base(dim,size,iter_max,range_min_list,range_max_list)
            % 调用父类构造函数
            self@Algorithm_Impl(dim,size,iter_max,range_min_list,range_max_list);
            self.name ='GSA';
            % 初始加速度
            self.G = 100;
        end
    end
    
    % 继承重写父类的方法
    methods (Access = protected)
        % 初始化种群
        function init(self)
            init@Algorithm_Impl(self)
            %初始化种群
            for i = 1:self.size
                unit = GSA_Unit();
                % 随机初始化位置：rand(0,1).*(max-min)+min
                unit.position = unifrnd(self.range_min_list,self.range_max_list);
                % 计算适应度值
                unit.value = self.cal_fitfunction(unit.position);
                unit.mass = 0;
                unit.velocity = zeros(1,self.dim);
                unit.acc = zeros(1,self.dim);
                % 将个体加入群体数组
                self.unit_list = [self.unit_list,unit];
            end
        end
        
        % 每一代的更新
        function update(self,iter)
            update@Algorithm_Impl(self,iter)
            % 更新质量
            self.update_mass();
            % 更新加速度
            self.update_acc(iter);
            % 更新速度
            self.update_velocity();
            % 更新位置
            self.update_position();
        end     
       
        % 更新质量
        function update_mass(self)
            sum_mass = 0;
            [value,index] = sort([self.unit_list.value],'descend');
            best_value = value(1);
            worst_value = value(end);
            
            % 计算各个个体的质量
            for i = 1:self.size
                self.unit_list(i).mass = (self.unit_list(i).value-worst_value+realmin('double'))/(best_value-worst_value+realmin('double'));
                sum_mass = sum_mass + self.unit_list(i).mass;
            end
            
            % 将质量归一化
            for i = 1:self.size
                self.unit_list(i).mass = self.unit_list(i).mass/sum_mass;
            end
        end
        
        % 更新加速度
        function update_acc(self,iter)
            cur_G = self.G*exp(-20*iter/self.iter_max);
            for i = 1:self.size
                new_acc = zeros(1,self.dim);
                for j = 1:self.size
                    if(i==j)
                        continue
                    end
                    % 计算两个体距离
                    distance = sqrt(sum((self.unit_list(i).position-self.unit_list(j).position).^2));
                    % 根据距离，位置，质量计算加速度
                    new_acc = new_acc+self.unit_list(j).mass*unifrnd(0,1,1,self.dim).*(self.unit_list(j).position-self.unit_list(i).position)/(distance+realmin('double'));
                end
                new_acc = new_acc*cur_G;
                self.unit_list(i).acc = new_acc;
            end
        end
        
        % 更新速度
        function update_velocity(self)
             for i = 1:self.size
                 self.unit_list(i).velocity = unifrnd(0,1,1,self.dim).*self.unit_list(i).velocity + self.unit_list(i).acc;
             end
        end
        
        % 更新位置
        function update_position(self)
             for i = 1:self.size
                 new_pos = self.unit_list(i).velocity + self.unit_list(i).position;
                 new_pos = self.get_out_bound_value(new_pos);
                 new_value = self.cal_fitfunction(new_pos);
                 self.unit_list(i).position = new_pos;
                 self.unit_list(i).value = new_value;
             end
        end
   
        % 获取当前最优个体的id
        function best_id=get_best_id(self)
            % 求最大值则降序排列
            [value,index] = sort([self.unit_list.value],'descend');
            best_id = index(1);
        end
        
    end
end

文件名：..\.mgcc物理好资源网(原物理ok网)

算法实现，承继于Base,图便捷也可不写，直接用万有引力常数，这儿为了命名一致。gcc物理好资源网(原物理ok网)

% 万有引力算法实现
classdef GSA_Impl < GSA_Base
   
    % 外部可调用的方法
    methods
        function self = GSA_Impl(dim,size,iter_max,range_min_list,range_max_list)
            % 调用父类构造函数设置参数
             self@GSA_Base(dim,size,iter_max,range_min_list,range_max_list);
        end
    end 
end

2.测试gcc物理好资源网(原物理ok网)

测试F1gcc物理好资源网(原物理ok网)

文件名：..\Test.mgcc物理好资源网(原物理ok网)

%% 清理之前的数据
% 清除所有数据
clear all;
% 清除窗口输出
clc;
%% 添加框架路径
% 将上级目录中的frame文件夹加入路径
addpath('../frame')
%% 选择测试函数
Function_name='F1';
% [最小值，最大值，维度，测试函数]
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);
%% 算法实例
% 种群数量
size = 50;
% 最大迭代次数
iter_max = 1000;
% 取值范围上界
range_max_list = ones(1,dim)*ub;
% 取值范围下界
range_min_list = ones(1,dim)*lb;
% 实例化万有引力算法类
base = GSA_Impl(dim,size,iter_max,range_min_list,range_max_list);
% 告诉算法求不是求最大值
base.is_cal_max = false;
% 确定适应度函数
base.fitfunction =fobj;
% 运行
base.run();
%% 绘制图像
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);
% 绘制曲线
semilogy(base.value_best_history,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
% 将坐标轴调整为紧凑型
axis tight
% 添加网格
grid on
% 四边都显示刻度
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)]);

发表评论