[최적화 솔루션] MATLAB 중력 검색 알고리즘 기반 기능 최적화 분석 [Matlab 소스 코드 218 포함]

1. 소개

Gravitational Search Algorithm (Gravitational Search Algorithm, GSA)은 2009 년이란 Kerman University의 Esmat Rashedi 등이 제안한 새로운 휴리스틱 최적화 알고리즘입니다. 물리 중력을 시뮬레이션하여 생성 된 모집단에서 파생 된 지능형 최적화 알고리즘입니다. 중력 검색 알고리즘 GSA의 원리는 검색 입자를 공간에서 움직이는 물체의 그룹으로 취급하는 것입니다. 물체는 중력 상호 작용에 끌리고 물체의 움직임은 역학의 법칙을 따릅니다. 적당히 큰 값을 가진 입자는 더 큰 관성 질량을 가지므로 보편적 인 중력으로 인해 물체가 가장 무거운 물체를 향해 이동하여 점차 최적화 문제의 최적 솔루션에 접근합니다. 범용 중력 검색 알고리즘 GSA는 강력한 글로벌 검색 기능과 수렴 속도를 제공합니다. GSA 이론 연구가 진행됨에 따라 그 적용이 점점 더 광범위 해지고 점차 국내외 학자들의 관심을 끌고 있습니다. 그러나 범용 중력 검색 알고리즘 GSA는 다른 글로벌 알고리즘과 마찬가지로 로컬 솔루션에 쉽게 빠지기 쉽고 솔루션 정확도가 몫이 아니라는 문제가있어 개선해야 할 사항이 많습니다. 이 장에서는 대부분의 프로그래밍 애호가들에게 가장 기본적인 중력 알고리즘을 소개하는 데 초점을 맞출 것입니다. 각 프로그래밍 연구자는이 장의 알고리즘을 개선하여 실제 사례에 적용 할 수 있습니다.
여기에 사진 설명 삽입
1 관성 질량 계산

2 중력 계산

3 위치 업데이트

4 매개 변수 분석

5 범용 중력 알고리즘 구현 프로세스

둘째, 소스 코드

% 万有引力搜索算法
clc,clear,close all
warning off
feature jit off
 N=50;           % 粒子数量（智能个体）
 max_it=1000;    % 最大迭代次数
 ElitistCheck=1; % ElitistCheck: 算法执行次数选择
 Rpower=1;       % Rpower: 'R'的次方
 min_flag=1;     % 1: 求函数最小值，0：求函数最大值
 F_index=1;      % 带求解函数选择
 [Fbest,Lbest,BestChart,MeanChart]=GSA(F_index,N,max_it,ElitistCheck,min_flag,Rpower);
 %  输出:
% Fbest: 最优适应度值.
% Lbest: 最优解向量
% BestChart: 适应度变化值.
% MeanChart: 平均适应度变化值
 Fbest,  % 最优适应度值
 Lbest,  % 最优解
%% 绘制适应度曲线
figure('color',[1,1,1])
plot(BestChart,'linewidth',2),
xlabel('\fontsize{12}\bf Iteration');ylabel('\fontsize{12}\bf 最优适应度值');
legend('\fontsize{10}\bf GSA',1);
grid on
% 万有引力搜索算法
function [Fbest,Lbest,BestChart,MeanChart]=GSA(F_index,N,max_it,ElitistCheck,min_flag,Rpower)
%V:   速度
%a:   加速度
%M:   质量.  Ma=Mp=Mi=M;
%dim: 待求解未知量维数
%N:   智能粒子个数
%X:   种群个体位置. dim-by-N matrix.
%R:   种群之间的距离
%[low-up]: 取值范围
%Rnorm:  范数
%Rpower: Power of R 
Rnorm=2;  % 2阶范数，即欧氏距离
% 获取待求解目标方程的未知数个体以及取值范围
[low,up,dim]=test_functions_range(F_index); 
% 随机的初始化个体
X=initialization(dim,N,up,low); 
% 适应度值数组初始化
BestChart=[];
MeanChart=[];
V=zeros(N,dim); % 速度初始化
for iteration=1:max_it  % 迭代开始
%     iteration
    
    % 检查x个体是否在取值范围内
    X=space_bound(X,up,low); 
    % 计算适应度值
    fitness=evaluateF(X,F_index); 
    
    if min_flag==1
        [best best_X]=min(fitness); %minimization.
    else
        [best best_X]=max(fitness); %maximization.
    end        
    
    if iteration==1
       Fbest=best;Lbest=X(best_X,:);
    end
    if min_flag==1
      if best<Fbest  % 极小值求解
       Fbest=best;Lbest=X(best_X,:);
      end
    else 
      if best>Fbest  % 极大值求解
       Fbest=best;Lbest=X(best_X,:);
      end

세, 실행 결과

여기에 사진 설명 삽입

네, 비고

[최적화 솔루션] matalb 개선 된 유전 알고리즘 IGA 기반 도시 교통 신호 최적화 [Matlab 소스 코드 215 포함]
[최적화 솔루션] Matlab 페널티 함수 기반 입자 군집 최적화 기능 최적화 [Matlab 소스 코드 216 포함]
[최적화 솔루션] 기능 최적화 분석 matlab 세균 채집 알고리즘 기반 [Matlab 소스 코드 217 포함]