【单目标优化算法】孔雀优化算法（Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码及详细文章

​

💥1 概述

  • 受孔雀群智能行为的启发，POA的设计包括有效和高效的探索性和剥削性搜索算子，以在全球探索和局部开发之间提供适当的权衡，以避免局部最优，例如孔雀独特的旋转舞蹈操作，孔雀和孔雀幼崽在不同搜索阶段的自适应搜索行为，以及不同搜索阶段的相互作用 孔雀;
  • 代表当前最优解的五只孔雀也会通过旋转跳动机制在附近的搜索空间中搜索，而不是静止不动。孔雀独特的旋转跳舞机制包含两种不同的旋转模式，即原位旋转和围绕食物源盘旋。首先采用当前最优解仍会进行就近搜索的机制，这在以前的算法中从未考虑过，有利于跳出局部最优;
  • 孔雀幼崽和孔雀幼崽在整个搜索过程中都倾向于采用适应性搜索和接近机制，动态调整其不同阶段的行为，从而实现局部开发与全球探索之间的适当平衡。

📚2 运行结果

​

部分代码：

%  Peafowl Optimization Algorithm (POA)
function [BestSolution, ConvergenceCurve, Dim]=POA(NumAgents, MaxIterations, BenchmarkFunFlag)
    % --------------------------Return Parameters--------------------------
    % BestSolution:      The best solution
    % ConvergenceCurve:  Convergence curve
    % Dim:               The dimensionality of prloblem
    % --------------------------Input Parameters---------------------------
    % NumAgents:         The number of search individuals
    % MaxIterations:     The number of maximum iterations
    % BenchmarkFunFlag:  Objective function (1-23)
    % ---------------------------------------------------------------------
    
    ConvergenceCurve=zeros(1,MaxIterations);
        
    NumPeacock=5; % the number of leader (Peacock)
    NumPeahen=round((NumAgents-NumPeacock)*0.3); % the number of peahen
    NumPeacockCub=NumAgents-NumPeacock-NumPeahen; % the number of peacock cub

    [LowerBound, UpperBound, Dim]=BenchmarkFunctionRange(BenchmarkFunFlag);
    LowerBound=LowerBound*ones(1,Dim);
    UpperBound=UpperBound*ones(1,Dim);

    SearchRadius0=(UpperBound-LowerBound)*0.2; % initial dance radius of peacock

    % initialization
    empty_peacock.Position=[];
    empty_peacock.Fitness=[];

    PeacockPopulation0=repmat(empty_peacock,[NumAgents,1]);
    Peahen=repmat(empty_peacock,[NumPeahen,1]);
    PeacockCub=repmat(empty_peacock,[NumPeacockCub,1]);

    for k=1:NumAgents
        PeacockPopulation0(k).Position=LowerBound+(UpperBound-LowerBound).*rand(1,Dim);
        PeacockPopulation0(k).Fitness=BenchmarkFunction(PeacockPopulation0(k).Position, BenchmarkFunFlag, Dim);
    end

    PeacockPopulation=PeacockPopulation0;
    [~,index]=sort([PeacockPopulation.Fitness]);
    PeacockPopulation=PeacockPopulation(index);

    ConvergenceCurve(1)=PeacockPopulation(1).Fitness;

    % main loop
    for it=2:MaxIterations

        SearchRadius=SearchRadius0-(SearchRadius0-0)*(it/MaxIterations)^0.01;
        alpha=0.9-(0.9-0.4)*(it/MaxIterations)^2;
        delta=0.1+(1-0.1)*(it/MaxIterations)^0.5;
        step=0.1+(1-0.1)*(it/MaxIterations);

        Peacock=PeacockPopulation(1:NumPeacock);
        if rand<1
            X_random=2*rand(1,Dim)-1;
            Peacock(1).Position=Peacock(1).Position+1*SearchRadius.*X_random/(eps+norm(X_random));
        end
        if rand<0.9
            X_random=2*rand(1,Dim)-1;
            Peacock(2).Position=Peacock(2).Position+1.5*SearchRadius.*X_random/(eps+norm(X_random));
        end
        if rand<0.8
            X_random=2*rand(1,Dim)-1;
            Peacock(3).Position=Peacock(3).Position+2*SearchRadius.*X_random/(eps+norm(X_random));
        end
        if rand<0.6
            X_random=2*rand(1,Dim)-1;
            Peacock(4).Position=Peacock(4).Position+3*SearchRadius.*X_random/(eps+norm(X_random));
        end
        if rand<0.3
            X_random=2*rand(1,Dim)-1;
            Peacock(5).Position=Peacock(5).Position+5*SearchRadius.*X_random/(eps+norm(X_random));
        end
        for k=1:NumPeacock
            flag4ub=Peacock(k).Position>UpperBound;
            flag4lb=Peacock(k).Position<LowerBound;
            Peacock(k).Position=~(flag4ub+flag4lb).*Peacock(k).Position+flag4ub.*UpperBound+flag4lb.*LowerBound;
            Peacock(k).Fitness=BenchmarkFunction(Peacock(k).Position, BenchmarkFunFlag, Dim);
            if Peacock(k).Fitness < PeacockPopulation(k).Fitness
                PeacockPopulation(k)=Peacock(k);
            end
        end

        for k=1:NumPeahen
            r1=rand();
            if r1 <= 1 && r1 >=0.6
                Peahen(k).Position=PeacockPopulation(NumPeacock+k).Position+3*step*(PeacockPopulation(1).Position-PeacockPopulation(NumPeacock+k).Position);
            end
            if r1 < 0.6 && r1 >=0.4
                Peahen(k).Position=PeacockPopulation(NumPeacock+k).Position+3*step*(PeacockPopulation(2).Position-PeacockPopulation(NumPeacock+k).Position);
            end
            if r1 < 0.4 && r1 >=0.2
                Peahen(k).Position=PeacockPopulation(NumPeacock+k).Position+3*step*(PeacockPopulation(3).Position-PeacockPopulation(NumPeacock+k).Position);
            end
            if r1 < 0.2 && r1 >=0.1
                Peahen(k).Position=PeacockPopulation(NumPeacock+k).Position+3*step*(PeacockPopulation(4).Position-PeacockPopulation(NumPeacock+k).Position);
            end
            if r1 < 0.1 && r1 >=0
                Peahen(k).Position=PeacockPopulation(NumPeacock+k).Position+3*step*(PeacockPopulation(5).Position-PeacockPopulation(NumPeacock+k).Position);
            end
            flag4ub=Peahen(k).Position>UpperBound;
            flag4lb=Peahen(k).Position<LowerBound;
            Peahen(k).Position=~(flag4ub+flag4lb).*Peahen(k).Position+flag4ub.*UpperBound+flag4lb.*LowerBound;
            Peahen(k).Fitness=BenchmarkFunction(Peahen(k).Position, BenchmarkFunFlag, Dim);
            if Peahen(k).Fitness < PeacockPopulation(NumPeacock+k).Fitness
                PeacockPopulation(NumPeacock+k)=Peahen(k);
            end
        end

        for k=1:NumPeacockCub
            PeacockCub(k)=PeacockPopulation(NumPeacock+NumPeahen+k);
            
            r2=rand;
            if r2>0.8 && r2<=1
                SelectedPeacock=PeacockPopulation(1);
            elseif r2>0.6 && r2<=0.8
                SelectedPeacock=PeacockPopulation(2);
            elseif r2>0.4 && r2<=0.6
                SelectedPeacock=PeacockPopulation(3);
            elseif r2>0.2 && r2<=0.4
                SelectedPeacock=PeacockPopulation(4);
            else 
                SelectedPeacock=PeacockPopulation(5);
            end
            
            PeacockCub(k).Position=PeacockCub(k).Position+alpha*Levy(Dim).*( PeacockPopulation(1).Position - PeacockCub(k).Position )+delta*( SelectedPeacock.Position - PeacockCub(k).Position );
            
            flag4ub=PeacockCub(k).Position>UpperBound;
            flag4lb=PeacockCub(k).Position<LowerBound;
            PeacockCub(k).Position=~(flag4ub+flag4lb).*PeacockCub(k,:).Position+flag4ub.*UpperBound+flag4lb.*LowerBound;
            PeacockCub(k).Fitness=BenchmarkFunction(PeacockCub(k).Position, BenchmarkFunFlag, Dim);
            if PeacockCub(k).Fitness < PeacockPopulation(NumPeacock+NumPeahen+k).Fitness
                PeacockPopulation(NumPeacock+NumPeahen+k)=PeacockCub(k,:);
            end
        end

        Peacock=PeacockPopulation(1:NumPeacock);
        
        Xrandom=2*rand(1,Dim)-1;
        Direction1=Peacock(1,:).Position-Peacock(2,:).Position;
        Direction2=Xrandom-(Xrandom*Direction1')/(Direction1*Direction1'+eps)*Direction1;
        Direction2=Direction2/norm(Direction2+eps)*norm(Direction1);
        Peacock(2,:).Position=Peacock(2,:).Position+step*Direction1+rand*Direction2;
        
        Xrandom=2*rand(1,Dim)-1;
        Direction1=Peacock(1,:).Position-Peacock(3,:).Position;
        Direction2=Xrandom-(Xrandom*Direction1')/(Direction1*Direction1'+eps)*Direction1;
        Direction2=Direction2/norm(Direction2+eps)*norm(Direction1);
        Peacock(3,:).Position=Peacock(3,:).Position+step*Direction1+rand*Direction2;
        
        Xrandom=2*rand(1,Dim)-1;
        Direction1=Peacock(1,:).Position-Peacock(4,:).Position;
        Direction2=Xrandom-(Xrandom*Direction1')/(Direction1*Direction1'+eps)*Direction1;
        Direction2=Direction2/norm(Direction2+eps)*norm(Direction1);
        Peacock(4,:).Position=Peacock(4,:).Position+step*Direction1+rand*Direction2;
        
        Xrandom=2*rand(1,Dim)-1;
        Direction1=Peacock(1,:).Position-Peacock(5,:).Position;
        Direction2=Xrandom-(Xrandom*Direction1')/(Direction1*Direction1'+eps)*Direction1;
        Direction2=Direction2/norm(Direction2+eps)*norm(Direction1);
        Peacock(5,:).Position=Peacock(5,:).Position+step*Direction1+rand*Direction2;
        
        for k=1:NumPeacock
            flag4ub=Peacock(k).Position>UpperBound;
            flag4lb=Peacock(k).Position<LowerBound;
            Peacock(k).Position=~(flag4ub+flag4lb).*Peacock(k).Position+flag4ub.*UpperBound+flag4lb.*LowerBound;
            Peacock(k).Fitness=BenchmarkFunction(Peacock(k).Position, BenchmarkFunFlag, Dim);
            if Peacock(k).Fitness < PeacockPopulation(k).Fitness
                PeacockPopulation(k)=Peacock(k);
            end
        end

        [~,index]=sort([PeacockPopulation.Fitness]);
        PeacockPopulation=PeacockPopulation(index);

        ConvergenceCurve(1,it)=PeacockPopulation(1).Fitness;

    end
    BestSolution=PeacockPopulation(1);
end

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1] Jingbo Wang, Bo Yang, Yijun Chen, Kaidi Zeng, Hao Zhang, Hongchun Shu, Yingtong Chen,
 Novel phasianidae inspired peafowl (Pavo muticus/cristatus) optimization algorithm: Design, evaluation, and SOFC models parameter estimation,
 Sustainable Energy Technologies and Assessments
 https://doi.org/10.1016/j.seta.2021.101825

🌈4 Matlab代码及详细文章

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/25953.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

MySQL — 主从复制介绍

MySQL — 主从复制介绍

文章目录 主从复制一、概述二、原理三、 搭建主从复制结构3.1 服务器准备3.2 主库配置3.3 从库配置 主从复制 一、概述 ​ 主从复制是指将主数据库的DDL和DML操作通过二进制日志传到从库服务器中&#xff0c;然后在从库上对这些日志重新执行&#xff08;也叫重做&#xff09;…
阅读更多...
1. TensorRT量化的定义及意义

1. TensorRT量化的定义及意义

前言 手写AI推出的全新TensorRT模型量化课程&#xff0c;链接&#xff1a;TensorRT下的模型量化。 课程大纲如下&#xff1a; 1. 量化的定义及意义 1.1 什么是量化&#xff1f; 定义 量化(Quantization)是指将高精度浮点数(如float32)表示为低精度整数(如int8)的过程&…
阅读更多...
如何运用R语言进行Meta分析在【文献计量分析、贝叶斯、机器学习等】多技术的融合

如何运用R语言进行Meta分析在【文献计量分析、贝叶斯、机器学习等】多技术的融合

Meta分析是针对某一科研问题&#xff0c;根据明确的搜索策略、选择筛选文献标准、采用严格的评价方法&#xff0c;对来源不同的研究成果进行收集、合并及定量统计分析的方法&#xff0c;最早出现于“循证医学”&#xff0c;现已广泛应用于农林生态&#xff0c;资源环境等方面。…
阅读更多...
华为OD机试真题 Java 实现【高矮个子排队】【2023Q2 100分】，附详细解题思路

华为OD机试真题 Java 实现【高矮个子排队】【2023Q2 100分】，附详细解题思路

一、题目描述 现在有一队小朋友&#xff0c;他们高矮不同&#xff0c;我们以正整数数组表示这一队小朋友的身高&#xff0c;如数组{5,3,1,2,3}。 我们现在希望小朋友排队&#xff0c;以“高”“矮”“高”“矮”顺序排列&#xff0c;每一个“高”位置的小朋友要比相邻的位置高…
阅读更多...
【配电网重构】基于改进二进制粒子群算法的配电网重构研究（Matlab代码实现

【配电网重构】基于改进二进制粒子群算法的配电网重构研究（Matlab代码实现

&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;欢迎来到本博客❤️❤️&#x1f4a5;&#x1f4a5; &#x1f3c6;博主优势&#xff1a;&#x1f31e;&#x1f31e;&#x1f31e;博客内容尽量做到思维缜密&#xff0c;逻辑清晰&#xff0c;为了方便读者。 ⛳️座右铭&a…
阅读更多...
批量剪辑视频工具源码开发搭建分享

批量剪辑视频工具源码开发搭建分享

搭建步骤 1. 首先需要根据自身产品确定视频类型及需要实现的视频效果 2. 根据预期视频效果选择视频上传模式&#xff0c;并将视频素材进行上传 3. 添加音频、字幕&#xff0c;标题等与素材进行组合。 4. 设置投放计划&#xff0c;包括&#xff1a;视频标题、视频话题等 5.…
阅读更多...
dom阶段实战内容

dom阶段实战内容

window定时器方法 ◼ 目前有两种方式可以实现&#xff1a;  setTimeout 允许我们将函数推迟到一段时间间隔之后再执行。  setInterval 允许我们重复运行一个函数&#xff0c;从一段时间间隔之后开始运行&#xff0c;之后以该时间间隔连续重复运行该函数。 ◼ 并且通常情况…
阅读更多...
周赛347（模拟、思维题、动态规划+优化）

周赛347（模拟、思维题、动态规划+优化）

文章目录 周赛347[2710. 移除字符串中的尾随零](https://leetcode.cn/problems/remove-trailing-zeros-from-a-string/)模拟 [2711. 对角线上不同值的数量差](https://leetcode.cn/problems/difference-of-number-of-distinct-values-on-diagonals/)模拟 [2712. 使所有字符相等…
阅读更多...
什么是分布式事务？

什么是分布式事务？

什么是分布式事务&#xff1f; 分布式对应的是单体架构&#xff0c;互联网早起单体架构是非常流行的&#xff0c;好像是一个家族企业&#xff0c;大家在一个家里劳作&#xff0c;单体架构如下图&#xff1a; 但是随着业务的复杂度提高&#xff0c;大家族人手不够&#xff0c;…
阅读更多...
如何使用 Python Nornir 实现基于 CLI 的网络自动化？

如何使用 Python Nornir 实现基于 CLI 的网络自动化？

在现代网络环境中&#xff0c;网络自动化已成为管理和配置网络设备的重要工具。Python Nornir 是一个强大的自动化框架&#xff0c;它提供了一个简单而灵活的方式来执行网络自动化任务。本文将详细介绍如何使用 Python Nornir 实现基于 CLI 的网络自动化。 1. Python Nornir 概…
阅读更多...
view的常用属性和方法介绍(arcgis for javascript)

view的常用属性和方法介绍(arcgis for javascript)

ArcGIS for JavaScript中的视图&#xff08;view&#xff09;是一个地图实例类&#xff0c;用于管理地图的显示区域、符号和标注等。通过视图类&#xff0c;可以实现以下功能&#xff1a; 显示地图&#xff1a;将地图显示在Web页面上。 缩放&#xff1a;缩放视图到指定的级别。…
阅读更多...
SpringBoot 配置文件和日志文件

SpringBoot 配置文件和日志文件

目录 一、SpringBoot配置文件 配置文件的格式 .properties配置文件格式 .yml配置文件格式 .properties 与 .yml的区别 配置文件的读取 .properties 与 .yml的区别 设置不同环境的配置⽂件 二、SpringBoot日志文件 日志打印的步骤 得到日志对象 方法一&#xff1a;使…
阅读更多...
【网络】- 计算机网络体系结构 - OSI七层模型、TCP/IP四层(五层)协议

【网络】- 计算机网络体系结构 - OSI七层模型、TCP/IP四层(五层)协议

目录 一、概述 二、计算机网络体系结构的形成  &#x1f449;2.1 分层的网络体系结构  &#x1f449;2.2 OSI 参考模型  &#x1f449;2.3 TCP/IP - 事实的国际标准 三、OSI 参考模型 四、TCP/IP 协议 一、概述 但凡学习计算机网络知识&#xff0c;肯定绕不过网络协议的&…
阅读更多...
SpringMVC拦截器

SpringMVC拦截器

SpringMVC拦截器 介绍 拦截器&#xff08;interceptor&#xff09;的作用 SpringMVC的拦截器类似于Servlet开发中的过滤器Filter&#xff0c;用于对处理器 进行预处理和后处理 将拦截器按一定的顺序连接成一条链&#xff0c;这条链称为拦截器链&#xff08;Interception Ch…
阅读更多...
hive中如何计算字符串中表达式

hive中如何计算字符串中表达式

比如 select 1(2-3)(-4.1-3.1)-(4-3)-(-3.34.3)-1 col ,1(2-3)(-4.1-3.1)-(4-3)-(-3.34.3)-1 result \ 现在的需求式 给你一个字符串如上述col 你要算出result。 前提式 只有和-的运算&#xff0c;而且只有嵌套一次 -(4-3)没有 -(-4(3-(31)))嵌套多次。 第一步我们需要将运…
阅读更多...
【学习笔记】Python核心技术与实战-基础篇-03列表和元组，到底用哪个？

【学习笔记】Python核心技术与实战-基础篇-03列表和元组，到底用哪个？

目录 列表和元组基础概念区别列表和元组的基础操作和注意事项列表和元组存储方式的差异列表和元组的性能列表和元组的使用场景总结思考题 列表和元组基础 概念 列表和元组&#xff0c;都是一个可以放置任意数据类型的有序集合。 在绝大多数编程语言中&#xff0c;集合的数据类…
阅读更多...
js数据类型和六种运算结果为false的情况

js数据类型和六种运算结果为false的情况

数据类型 number&#xff1a;数字&#xff08;整数、小数、NaN(Not a Number)&#xff09; string&#xff1a;字符串、单双引皆可 boolean&#xff1a;布尔。true、false null&#xff1a;对象为空 undefined&#xff1a;当声明的变量初始化时&#xff0c;该变量的默认值…
阅读更多...
JPEG压缩基本原理

JPEG压缩基本原理

JPEG算法的第一步是将图像分割成8X8的小块。 在计算机中&#xff0c;彩色图像最常见的表示方法是RGB格式&#xff0c;通过R(Red)、G(Green)A和(Blue)组合出各种颜色。 除此以外&#xff0c;还有一种表示彩色图像的方法&#xff0c;称为YUV格式。Y表示亮度&#xff0c;U和V表示…
阅读更多...
Spring第三方bean管理

Spring第三方bean管理

文章目录 1.第三方bean管理1.1 Bean1.2 小结 2.第三方bean依赖注入2.1 简单类型&#xff1a;成员变量2.2 引用类型&#xff1a;方法形参2.3 小结 3.总结 1.第三方bean管理 1.1 Bean 首先看一下目录结构&#xff0c;APP里面就初始化了SpringConfig文件 SpringConifg中就一句话…
阅读更多...
C++11中的智能指针unique_ptr、shared_ptr和weak_ptr详解

C++11中的智能指针unique_ptr、shared_ptr和weak_ptr详解

目录 1、引言 2、什么是智能指针&#xff1f; 3、在Visual Studio中查看智能指针的源码实现 4、独占式指针unique_ptr 4.1、查看unique_ptr的源码实现片段 4.2、为什么unique_ptr的拷贝构造函数和复制函数被delete了&#xff1f;&#xff08;面试题&#xff09; 4.3、使…
阅读更多...
最新文章

Copyright @ 2022~2023