【单目标优化算法】烟花优化算法（Matlab代码实现）

news2024/11/17 13:19:03

👨‍🎓个人主页：研学社的博客

💥💥💞💞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代码实现

💥1 概述

通过模拟烟花爆炸的方式来进行多点同时爆炸式搜索，这也许是一种高效的搜索方式，是有别于现有其他方法的新型搜索方法，从而有了研究这种爆炸搜索方式的想法，当时为其取名烟花算法(fireworks algorithm，FWA)。虽然烟花算法这个名称比较直观和简洁，但是由于它没有直接与优化等求解问题建立直接的联系，此后有些研究人员有时也用其他别称来称呼我们的烟花算法，如烟花优化算法、烟花爆炸算法、烟花爆炸优化算法、烟花爆炸搜索算法、爆炸搜索方法等。尽管有这些不同的别称，这里统一采用原始的名称烟花算法，以免混淆。

📚2 运行结果

部分代码：

%选择操作，从烟花、爆炸火花、变异火花里（都包含在三维数组中）选取N个优良个体作为下一代（先将最优个体留下，然后剩下的N-1个按轮盘赌原则选取）
n=sum(E_N)+N; %烟花、火花总个数
q=1;
Fitness = zeros(1,1);
E_Sum = zeros(1,D);
for i=1:N % 三维转二维
for j=1:(E_N(i)+1) % 三维数组每一页的行数（即每个烟花及其产生的火花数之和）
E_Sum(q,:)=E_Spark(j,:,i); % 烟花与火花总量
Fitness(q)=fitness(E_Sum(q,:)); % 计算所有烟花、火花的适应度，用于选取最优个体
q=q+1;
end
end
[Fitness,X]=sort(Fitness); % 适应度升序排列
x(1,:)=E_Sum(X(1),:); % 最优个体
dist=pdist(E_Sum); % 求解各火花两两间的欧式距离
S=squareform(dist); % 将距离向量重排成n*n数组，第i行之和即为第i个火花到其他火花的距离之和
P = zeros(1,n);
for i=1:n % 分别求各行之和
P(i)=sum(S(i,:));
end
[P,Ix]=sort(P,'descend');% 将距离按降序排列，选取前N-1个，指的是如果个体密度较高，即该个体周围有很多其他候选者个体时，该个体被选择的概率会降低
for i=1:(N-1)
x(i+1,:)=E_Sum(Ix(i),:);
end
end