【人工大猩猩部队优化算法】基于人工大猩猩部队优化算法求解单目标优化问题

1 简介

元启发式算法在解决优化问题中起着至关重要的作用，其中大多数都受到自然界中自然生物的集体智慧的启发。 本文提出了一种新的启发式算法，其灵感来自于大猩猩部队在自然界中的社会智能，称为人工大猩猩部队优化器（GTO）。 在这个算法中，大猩猩的集体生活是用数学公式表示的，并且设计了新的机制来进行探索和开发。 为了评估 GTO，我们将其应用于 52 个标准基准函数和 7 个工程问题。 Friedman 检验和 Wilcoxon 秩和统计检验在统计上比较了所提出的方法与几种现有的元启发式方法。 结果表明，GTO 在大多数基准函数上的性能优于比较算法，特别是在高维问题上。 结果表明，与其他元启发式算法相比，GTO 可以提供更好的结果。

2 部分代码

%Artificial Gorilla Troops Optimizer
clear all
close all
clc
% Population size and stoppoing condition
pop_size=30;
max_iter=100;
% Define your objective function's details here
Function_name='F1'; % Name of the test function
[lower_bound,upper_bound,variables_no,fobj]=Get_Functions_details(Function_name);
[Silverback_Score,Silverback,convergence_curve]=GTO(pop_size,max_iter,lower_bound,upper_bound,variables_no,fobj);
figure('Position',[269 240 660 290])
% Best optimal values for the decision variables
subplot(1,2,1)
func_plot(Function_name);
xlabel('Decision variables')
ylabel('Best estimated values')
box on
% Best convergence curve
subplot(1,2,2)
plot(convergence_curve,'Color','r','linewidth',1.5)
title('Convergence curve of GTO')
xlabel('Current_iteration');
ylabel('Objective value');
box on

3 仿真结果

4 参考文献

[1] Abdollahzadeh B, Gharehchopogh F S, Mirjalili S. Artificial gorilla troops optimizer: A new nature-inspired metaheuristic algorithm for global optimization problems[J]. International Journal of Intelligent Systems, 2021, 36: 5887–5958.

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。