---

【获取资源请见文章第4节：资源获取】

---

1. 算法简介

同核分子优化算法（Homonuclear Molecules Optimization，HMO）是一种新的元启发式算法，用于优化复杂和非线性问题。根据玻尔原子模型和同核分子的结构，HMO的灵感来自于原子周围电子的排列。该算法基于在给定量子数的搜索空间中创建一组原子的初始种群以及与每个原子(搜索代理)相关联的电子。在每次迭代中，选择每个原子的最佳电子作为原子核的新位置，多个原子向具有最佳解的原子移动，形成同核分子。总体而言，HMO优于一些常见的经典算法，比如GA和PSO，可以与新的高效算法(如EO)竞争。HMO算法于2022年发表。

2. 部分代码展示

%% The main Loops of HMO 

for it=1:MaxIt      % The iterations loop 
for i=1:N           % The atoms loop (number of atoms) 

% These two loops are related to the electrons
for j=1:N_Layers    % The layers loop (number of layers, depend on the type of atom)
for k=1:Layer(j,1)  % The electrons loops

   Atom(i).Layer(j).Electrons(k).X = Atom(i).X+unifrnd(-Atom(i).R(j),Atom(i).R(j),Size);  % See (Eq. 8)
   % The electrons position lmits
   Atom(i).Layer(j).Electrons(k).X = max(Atom(i).Layer(j).Electrons(k).X,Min);            
   Atom(i).Layer(j).Electrons(k).X = min(Atom(i).Layer(j).Electrons(k).X,Max);  

   % Calculating the fitness of electrons
   Atom(i).Layer(j).Electrons(k).Cost = Function(Atom(i).Layer(j).Electrons(k).X);

      % Updating the best electron of each atom
      if Atom(i).Layer(j).Electrons(k).Cost<Best_Electron(i).Cost 
         Best_Electron(i).X = Atom(i).Layer(j).Electrons(k).X;
         Best_Electron(i).Cost = Atom(i).Layer(j).Electrons(k).Cost;
         L_Best_Electron(i,1) = j;
      end
end
end

% Updating the atoms positions
 Atom(i).X = Best_Electron(i).X;  % See (Eq. 8)
 Atom(i).Cost = Best_Electron(i).Cost;
  
% Updating the paramount Atom 
  if Atom(i).Cost<Atom(N_Best).Cost
     A = Atom(N_Best).X;
     B = Atom(N_Best).Cost;
     Atom(N_Best).X = Atom(i).X;
     Atom(N_Best).Cost = Atom(i).Cost;
     Atom(i).X = A;
     Atom(i).Cost = B;
  end
  
  % Reduction of Bohr radius
  if  L_Best_Electron(i,1)==1 
      Atom(i).R = Atom(i).R.*exp(-10*Dr(i,1)/MaxIt); % See (Eq. 12)
      Dr(i,1) = Dr(i,1)+1;   
  else
    Atom(i).R = Atom(i).R;   
  end
  
end

3. 仿真结果展示

4. 资源获取

获取完整代码资源，👇👇👇👀名片