1 简介 Multi-tracker Optimization Algorithm（MTOA）是一种新的基于计算种群的优化算法，它是基于迄今为止介绍的其他进化优化算法的优缺点而设计的。这种被称为“多跟踪器优化算法”的新算
1 简介
Multi-tracker Optimization Algorithm（MTOA）是一种新的基于计算种群的优化算法，它是基于迄今为止介绍的其他进化优化算法的优缺点而设计的。 这种被称为“多跟踪器优化算法”的新算法，由于其内部跟踪器的多级结构，具有一些独特的特点，例如提高最佳点的准确性和收敛后连续局部搜索以逃避 局部最小值同时。 该算法的另一个重要优点是优化时变动力学问题并跟踪最佳点。 这些特性使得该算法对于优化问题非常有效，尤其是在工程领域。
2 部分代码
%============================================================================%% Multi-tracker Optimization Algorithm (MTOA) %
% ======================%
clear
clc
close all
format long
%=======================初始化 MTOA 参数=====================
Fcn_Name='TestFcn'; % 优化问题函数
Min=zeros(1,2).';
Max=ones(1,2).';
Par_Interval=[Min Max]; % 搜索空间限制
No_GTs=20; % 全球追踪器数量
No_LTs=4; % 本地跟踪器数量
%---------- 等效人口 = 100
RM=sqrt(2); % 最大搜索半径
Rm=1e-4; % 最小搜索半径
Max_Itr=200; %最大迭代
Beta=.95; % Beta
Lambda=2; % Lambda
Theta=pi/8; % Theta
%==============================图形选项============================
TwoDGraphic_on=0; % （0 或 1） % 如果启用此选项（TwoDGraphic_on=1），将显示本地和全局搜索过程。
%============================MTOA 函数运行===========================
[GOP_Cost,GOP]=MTOA(Fcn_Name,Par_Interval,No_GTs,No_LTs,RM,Rm,Max_Itr,Beta,Lambda,Theta,TwoDGraphic_on);
%========= ==================Solution==================================
disp('Solution=')
disp(GOP);
3 仿真结果
4 参考文献
Zakeri, E., Moezi, S.A., Bazargan-Lari, Y. et al. Multi-tracker Optimization Algorithm: A General Algorithm for Solving Engineering Optimization Problems. Iran J Sci Technol Trans Mech Eng 41, 315–341 (2017). https://doi.org/10.1007/s40997-016-0066-9
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
