✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

针对传统鲸鱼优化算法求解精度不高,容易陷入局部最优的缺点,提出了一种基于交叉选择策略的柯西反向鲸鱼优化算法.在鲸鱼优化算法中引入柯西反向学习技术以加快算法的收敛速度;对鲸鱼优化算法中的种群个体进行交叉和选择操作以提高算法的求解精度.对引入不同改进策略的鲸鱼优化算法在Matlab软件中进行仿真测试,结果表明:与基本鲸鱼优化算法相比,所提算法的收敛速度和寻优精度有显著提升,在大规模传感器优化管理方面具有十分重要的工程应用价值.

⛄ 部分代码

clear all 

clc

close all

SearchAgents_no=30; % Number of search agents 种群数量

Function_name='F6'; % Name of the test function that can be from F1 to F23 (Table 1,2,3 in the paper) 设定适应度函数

Max_iteration=500; % Maximum numbef of iterations 设定最大迭代次数

% Load details of the selected benchmark function

[lb,ub,dim,fobj]=Get_Functions_details(Function_name);  %设定边界以及优化函数

%原始鲸鱼算法

[Best_score,Best_pos,WOA_cg_curve]=WOA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj); %开始优化

%改进鲸鱼算法

[Best_score1,Best_pos1,WOA_cg_curve1]=TIWOA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj); %开始优化

figure('Position',[269   240   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);

semilogy(WOA_cg_curve,'Color','g','linewidth',1.5)

hold on

semilogy(WOA_cg_curve1,'Color','r','linewidth',1.5);

title('Objective space')

xlabel('Iteration');

ylabel('Best score obtained so far');

legend('WOA','TIWOA');

axis tight

grid on

box on

display(['The best solution obtained by WOA is : ', num2str(Best_pos)]);

display(['The best optimal value of the objective funciton found by WOA is : ', num2str(Best_score)]);

        

display(['The best solution obtained by TIWOA is : ', num2str(Best_pos1)]);

display(['The best optimal value of the objective funciton found byTIWOA is : ', num2str(Best_score1)]);

⛄ 运行结果

⛄ 参考文献

[1]冯文涛, 邓兵. 一种基于交叉选择的柯西反向鲸鱼优化算法[J]. 兵器装备工程学报, 2020, 41(8):7.

⛄ Matlab代码关注

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料