• 基于象鼻虫损害优化算法求解单目标无约束问题并可视化分析附Matlab代码 (WDOA)


    ✅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

    象鼻虫是一种长有细长鼻部的昆虫,来自Curculionoide超科约97000种。它们中的大多数认为害虫会造成环境破坏,但一些种类,如小麦象鼻虫、玉米象鼻虫和棉铃象鼻虫,都会造成巨大的危害对农作物,特别是谷物的损害。本研究提出了一种新的基于群体的进化算法,称为“象甲损伤优化算法”(WDOA)​象鼻虫对农作物或农产品的飞力、鼻力和破坏力。用12个基准单峰和多峰人工景观或优化测试功能。此外,拟议的WDOA用于五项工程以检查其解决问题的稳健性。问题包括旅行推销员问题(TSP)、n-Queens问题、投资组合问题、最优库存控制(OIC)问题、,和装箱问题(BPP)。所有测试的功能都与广泛使用的基准测试相比较粒子群优化(PSO)、遗传算法(GA)、和谐搜索算法(HS)算法、帝国主义竞争算法(ICA)、萤火虫算法(FA)和差异进化(DE)算法。此外,所有问题都用DE、FA和HS算法进行了测试。​通过提供精确性和合理的速度,所提出的算法在所有函数和问题上都表现出了鲁棒性和速度。

    ⛄ 部分代码

    %% Weevil Damage Optimization Algorithm (WDOA) Portfolio Problem

    % Paper:

    % http://www.growingscience.com/jfs/Vol2/jfs_2022_17.pdf

    %%----------------------------------------------------------

    % Portfolio is a definition in finance which is based on receiving some values (prices) 

    % as stock or any other financial assets and converting them into returns by aiming to 

    % increase the return and decreasing the risk. Finally, those solutions which have highest

    % return and lowest risk, would be considers as a vector called efficient frontier. 

    % Normally, portfolio solves by traditional methods such as mean-variance, mean semi 

    % variance, and mean absolute deviation but not always guaranteed the best solution.c;

    clear;

    close all;

    %% Run App

    data=load('mydata');

    R=data.R;

    nAsset=size(R,2);

    MinRet=min(mean(R,1));

    MaxRet=max(mean(R,1));

    nSol=10;

    DR=linspace(MinRet,MaxRet,nSol);

    model.R=R;

    model.method='cvar';

    model.alpha=0.95;

    W=zeros(nSol,nAsset);

    WReturn=zeros(nSol,1);

    WRisk=zeros(nSol,1);

    for k=1:nSol

    model.DesiredRet=DR(k);

    disp(['Running for Solution #' num2str(k) ':']);

    %-----------------------------------

    out = RunWDOA(model);

    %-----------------------------------

    disp('__________________________');

    disp('');

    W(k,:)=out.BestSol.Out.w;

    WReturn(k)=out.BestSol.Out.ret;

    WRisk(k)=out.BestSol.Out.rsk;

    end

    EF=find(~IsDominated(WRisk,WReturn));

    %% Results

    figure;

    plot(WRisk,WReturn,'y','LineWidth',2);

    hold on;

    plot(WRisk(EF),WReturn(EF),'r','LineWidth',4);

    legend('','Efficient Frontier');

    ax = gca; 

    ax.FontSize = 14; 

    ax.FontWeight='bold';

    set(gca,'Color','w')

    grid on;

    xlabel('Risk');

    ylabel('Return');

    figure;

    plot(out.BestCost,'k', 'LineWidth', 2);

    xlabel('ITR');

    ylabel('Cost Value');

    ax = gca; 

    ax.FontSize = 14; 

    ax.FontWeight='bold';

    set(gca,'Color','c')

    grid on;

    out.BestSol.Out

    ⛄ 运行结果

    ⛄ 参考文献

    Weevil damage optimization algorithm and its applications

    ❤️ 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

  • 相关阅读:
    使用idea创建SpringBoot工程
    openmmlab 教程1-安装
    prometheus+process_exporter进程监控
    车载品牌音响被「软硬解耦」,扬声器赛道进入全新市场周期
    复杂的连接如何破坏智能家居体验
    浏览器中的音视频知识总结v1.0(工作中需要和视频打交道必看!)
    【nginx】代理配置
    Spring Cloud微服务迁移到Kubernetes容器化
    week10|查阅文章
    《智能网联汽车自动驾驶功能测试规程》
  • 原文地址:https://blog.csdn.net/qq_59747472/article/details/127866941