【黏菌优化算法】基于平衡黏菌优化算法求解单目标优化问题 (ESMA)含Matlab源码

1 简介

黏菌优化算法（Slime mould algorithm，SMA）由 Li等于 2020 年提出，其灵感来自于黏菌的扩散和觅食行为，属于元启发算法。具有收敛速度快，寻优能力强的特点。黏菌优化算法用数学模型模仿黏菌觅食行为和形态变化， SMA 包括三个阶段，分别为接近食物阶段、包围食物阶段和抓取食物阶段。

2 部分代码

% Equlibrium Slime Mould Algorithm (LSMA)
%
% Developed in MATLAB R2019b
%_____________________________________________________________________________________________________
clearvars
close all
clc
disp('The ESMA is tracking the problem');
N=20; % 粘菌数
Function_name='F1' % 测试功能的名称，可以从 F1 到 F23
MaxIT=200; % 最大迭代次数
[lb,ub,dim,fobj]=Get_Functions_details(Function_name); % Function details
Times=11; %您想要运行 ESMA 的独立次数
display(['Number of independent runs: ', num2str(Times)]);
for i=1:Times
[Destination_fitness(i),bestPositions(i,:),Convergence_curve(i,:)]=ESMA(N,MaxIT,lb,ub,dim,fobj);
display(['The optimal fitness of ESMA is: ', num2str(Destination_fitness(i))]);
end
[bestfitness,index]=min(Destination_fitness);
disp('--------Best Fitness, Average Fitness, Standard Deviation and Best Solution--------');
display(['The best fitness of ESMA is: ', num2str(bestfitness)]);
display(['The average fitness of ESMA is: ', num2str(mean(Destination_fitness))]);
display(['The standard deviation fitness of ESMA is: ', num2str(std(Destination_fitness))]);
display(['The best location of ESMA is: ', num2str(bestPositions(index,:))]);
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(Convergence_curve(index,:),'LineWidth',1);
xlabel('迭代');
ylabel('最优值');
legend('ESMA');
box on;
axis tight;
grid off;

3 仿真结果

4 参考文献

[1]郭雨鑫,刘升,张磊,黄倩.精英反向与二次插值改进的黏菌算法[J/OL].计算机应用研究:1-7

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。