麻雀搜索算法matlab代码

​✅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

⛄ 内容介绍

麻雀搜索算法是一种新型的群智能优化算法， 在 2020 年由 Xue 等 [15] 提出，主要是受麻雀的觅食 和反哺食行为启发，具有寻优能力强、收敛速度快的特点。麻雀搜索算法将整个麻雀种群分为三类，即寻找食物的生产者，抢夺食物的加入者和发现危险的警戒者 。生产者和加入者可以相互转化，但各自在 种群中的占比不会发生变化。在模拟实验中，需要使用虚拟麻雀进行食物的 寻找，与其他寻优算法相同，麻雀搜索算法首先需要对麻雀种群与适应度值进行初始化，麻雀种群可 初始化为如下形式，表达式为式(3) 

中：n为麻雀的数量；d为要优化的变量的维度即独立参数的数目；xnd为第n只麻雀第d维度的值。由此，总体麻雀适应度值表征形式为 

式(4)中：f(x)为个体适应度值。适应度值较好的麻雀(即生产者)在搜索中会优先获得食物并指引群体的觅食方向与范围，与此同时，生产者会具有更大的觅食搜索范围。生产者在觅食过程中，位置不断发生移动，而在遇到捕食者时，移动规则又会发生改变，即 

式(5)中：t为当前迭代次数；j∈{1，2，…，d}；xit，j为迭代第t次时，第i个麻雀的第j个维度的值；α∈(0，1]，为随机数；iter_max为迭代次数最多的常数；R2∈[0，1]，为报警值；ST∈[0，1]，为安全阈值；Q为服从正态分布的随机数；L为1×d阶矩阵(元素全为1)。R2＜ST时，代表该区域安全，无捕食者出没，生产者会出现大范围觅食行为；R2≥ST时，表示一些麻雀发现了捕食者并发出警告，所有麻雀迅速飞入安全区域。而对加入者而言，在觅食过程中，一旦生产者找到了好的食物源，加入者必会知晓，并飞向它的附近抢食，同时，也有加入者会时刻监视生产者，随时准备争抢食物。由此加入者的位置更新规则为

式(6)中：xp为生产者占据的最佳位置；xworst为全局最差位置；A为1×d阶矩阵，每个元素随机为1或－1；A†＝AT(AAT)－1。当i＞时，表示适应性较差的第i个加入者抢夺食物失败，为了更好地获得食物避免挨饿只能飞往其他地区进行觅食。总体而言，假设意识到危险的麻雀(即警戒者)占10％~20％。初始位置则随机产生，规则为

式(7)中：λ为步长控制函数，是一个均值为0，方差为1的正态分布随机数；fi为当前麻雀适应值；fg为全局最好适应值；fw为全局最差适应值；k为麻雀移动方向；xbest为全局最优位置；ε为最小常数，避免除数为零。当fi＞fg时，警戒者位于种群边缘，意识到危险后向中央安全区靠近；当fi＝fg时，则是处于种群中央的麻雀意识到了危险，为躲避危险，则向其他麻雀身边靠拢。

⛄ 部分代码

%_________________________________________________________________________________

%  Salp Swarm Algorithm (SSA) source codes version 1.0

%

% You can simply define your cost in a seperate file and load its handle to fobj 

% The initial parameters that you need are:

%__________________________________________

% fobj = @YourCostFunction

% dim = number of your variables

% Max_iteration = maximum number of generations

% SearchAgents_no = number of search agents

% lb=[lb1,lb2,...,lbn] where lbn is the lower bound of variable n

% ub=[ub1,ub2,...,ubn] where ubn is the upper bound of variable n

% If all the variables have equal lower bound you can just

% define lb and ub as two single number numbers

% To run SSA: [Best_score,Best_pos,SSA_cg_curve]=SSA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj)

%__________________________________________

clear all 

clc

SearchAgents_no=30; % Number of search agents

Function_name='F5'; % Name of the test function that can be from F1 to F23 ( 

Max_iteration=100; % Maximum numbef of iterations

% Load details of the selected benchmark function

[lb,ub,dim,fobj]=Get_Functions_details(Function_name);

[Best_score,Best_pos,SSA_cg_curve]=SSA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);

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(['( x_1 , x_2 )'])

%Draw objective space

subplot(1,2,2);

semilogy(SSA_cg_curve,'Color','r')

title('Objective space')

xlabel('Iteration');

ylabel('Best score obtained so far');

axis tight

grid on

box on

legend('SSA')

display(['The best solution obtained by SSA is \m ', num2str(Best_pos)]);

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

img =gcf;  %获取当前画图的句柄

print(img, '-dpng', '-r600', './img.png')         %即可得到对应格式和期望dpi的图像    

⛄ 运行结果

⛄ 参考文献

[1]郭北涛, 姜旭, 张丽秀. 基于麻雀算法的机械手时间最优轨迹规划[J]. 组合机床与自动化加工技术, 2022(3):5.

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除