[转载]布谷鸟算法的程序(个人注释)

最近项目需要，所以一直在研究布谷鸟算法，在网上看了一些前辈的文章，原理讲的都比较透彻，我就不再赘述。

贴上一个自己注释的程序吧(这个程序也是借鉴别的大佬的，小小的做了一些修改)

我也是最近才接触布谷鸟算法，肯定有欠妥之处，希望各位大佬多多批评指正，相互学习

function [bestnest,fmin]=cuckoo_search(n)
if nargin<1,%【如果变量的个数小于1】
% Number of nests (or different solutions)
n=15;%【则把种群数量设为15，种群数量越多，最后算法的求解越精确，但程序的运行时间也会大大拉长】
end% Discovery rate of alien eggs/solutions
pa=0.25;%【布谷鸟蛋被发现的概率】%% Change this if you want to get better results
% Tolerance
Tol=1.0e-5;  %阈值【循环的精度设置】%% Simple bounds of the search domain
nd=6; %【需要寻优的参数个数，即搜索空间维度为nd】
% Lower bounds【鸟窝范围的下限】
Lb=-100*ones(1,nd);
% Upper bounds【鸟窝范围的上限】
Ub=100*ones(1,nd);% Random initial solutions【把鸟窝的初始值设为随机值,即初始化所有鸟窝的位置】
nest=zeros(n,nd);     %【nest为n行nd列的零矩阵，先把最初的鸟巢设为零矩阵】
for i=1:n,%【这是个1~n的循环，把每个种群中的每个鸟窝初始化为随机数】nest(i,:)=Lb+(Ub-Lb).*rand(size(Lb));
end% Get the current best【寻找当前最优的巢穴】
fitness=10^10*ones(n,1);%【寻优域的范围设置】
[fmin,bestnest,nest,fitness]=get_best_nest(nest,nest,fitness);
N_iter=0;%【计数器初始化】%% Starting iterations【开始迭代】
%for kk = 1 : 500%可以通过for循环代替下面的while
while (fmin>Tol),%【只要没达到这个精度，循环就会一直进行】% Generate new solutions (but keep the current best)%【产生一个最优解，并保留原最优解】new_nest=get_cuckoos(nest,bestnest,Lb,Ub);   %【寻找当前最优的巢穴】[fnew,best,nest,fitness]=get_best_nest(nest,new_nest,fitness);%【找到最佳巢穴】% Update the counter【计数器更新】N_iter=N_iter+n; %【因为每次都要遍历所有巢穴，所以在这里每次迭代都要+n次，表示搜寻了这么多次】% Discovery and randomization【布谷鸟蛋被发现，并通过莱维飞行(即随机游走)来替换这些被发现概率较大的劣质巢穴】  new_nest=empty_nests(nest,Lb,Ub,pa) ;%【用莱维飞行更新其余鸟窝位置】% Evaluate this set of solutions%【在更新后的鸟窝数据中再次找到最佳巢穴】[fnew,best,nest,fitness]=get_best_nest(nest,new_nest,fitness);% Update the counter again【计数器再次更新】N_iter=N_iter+n;% Find the best objective so far【找到当前的最优值】 if fnew<fmin,%【如果新鸟窝与目标鸟窝之间的的距离更近(即误差精度更小更准确)】fmin=fnew;%【则用新的鸟窝的值替换原fmin中的数据】bestnest=best;%【并且把此鸟窝下的各个参数的最优解赋给bestnest】enddisp(strcat('Total number of iterations=【当前已进行的迭代寻优次数】',num2str(N_iter)));
fmin
bestnest
end %% End of iterations【结束布谷鸟寻优进程】%% Post-optimization processing
%% Display all the nests【循环内外各写一遍就是为了看它不断迭代的过程以及最终结果】
disp(strcat('Total number of iterations=【迭代寻优的总次数】',num2str(N_iter)));
fmin
bestnest
figure;   %【出现最终n个曲线的图(n就是鸟窝个数)】
plot(nest);
xlabel '鸟巢的个数'      %【x轴的名称】
ylabel '待定参数的估计值'     %【y轴的名称】%% --------------- All subfunctions are list below ------------------
%% Get cuckoos by ramdom walk【用随机游走来加强布谷鸟算法】【莱维飞行】
function nest=get_cuckoos(nest,best,Lb,Ub)
% Levy flights【莱维飞行，是个固定程式，固定的给出随机数的公式模型，无须修改,了解即可】
%【当然，如果要进行算法改进可以在这里做文章，比如用柯西来替代莱维飞行，就是基于柯西原理的改进的布谷鸟算法】
%【莱维飞行本质上是一个基于马尔科夫链(下一状态取决于当前状态)的随机行走公式】
%【莱维飞行可以使布谷鸟寻优综合局部寻优和全局寻优】
n=size(nest,1);%【n是一个nest行1列的列向量】
% Levy exponent and coefficient
% For details, see equation (2.21), Page 16 (chapter 2) of the book
% X. S. Yang, Nature-Inspired Metaheuristic Algorithms, 2nd Edition, Luniver Press, (2010).
beta=3/2;
sigma=(gamma(1+beta)*sin(pi*beta/2)/(gamma((1+beta)/2)*beta*2^((beta-1)/2)))^(1/beta);%【sigma这个数约等于0.7】
for j=1:n,s=nest(j,:);% This is a simple way of implementing Levy flights% For standard random walks, use step=1;%% Levy flights by Mantegna's algorithm%【randn函数是产生均值为0，方差σ^2 = 1，标准差σ = 1的正态分布的随机数或矩阵的函数。】u=randn(size(s))*sigma;%【产生一个sigma倍的随机数行向量】v=randn(size(s));%【产生一个随机数行向量】step=u./abs(v).^(1/beta);%【矩阵之间进行元素上的点乘除运算】% In the next equation, the difference factor (s-best) means that % when the solution is the best solution, it remains unchanged.     stepsize=0.01*step.*(s-best);%【依旧是数值运算】% Here the factor 0.01 comes from the fact that L/100 should the typical% step size of walks/flights where L is the typical lenghtscale; % otherwise, Levy flights may become too aggresive/efficient, % which makes new solutions (even) jump out side of the design domain % (and thus wasting evaluations).% Now the actual random walks or flightss=s+stepsize.*randn(size(s));%【s又变了个数】% Apply simple bounds/limitsnest(j,:)=simplebounds(s,Lb,Ub);%【获得交替比较上下限的值】
end
%% Find the current best nest【找到当前最佳巢穴】
function [fmin,best,nest,fitness]=get_best_nest(nest,newnest,fitness)
% Evaluating all new solutions【计算所有的新解】
for j=1:size(nest,1),%【j从1循环到nest的行数】fnew=fobj(newnest(j,:));%【在目标函数中进行运算 ，并把z的值赋值给fnew】if fnew<=fitness(j),%【这个if语句用来判断是否满足精度，若更好则替换】fitness(j)=fnew;nest(j,:)=newnest(j,:);end
end
% Find the current best
[fmin,K]=min(fitness) ;%【fmin记录列向量fitness的每列的最小值，K记录每列最小值的行号】
best=nest(K,:);%【获得当前最好的巢穴的值】
%% Replace some nests by constructing new solutions/nests【通过构建新巢更换一些容易被发现的劣质巢】
function new_nest=empty_nests(nest,Lb,Ub,pa)
% A fraction of worse nests are discovered with a probability pa【劣质巢穴会以pa的概率被淘汰】
n=size(nest,1);
% Discovered or not -- a status vector【发现与否——状态向量】
K=rand(size(nest))>pa;%【如果产生的随机数大于pa的值，就令K等于该值】
% In the real world, if a cuckoo's egg is very similar to a host's eggs, then
% this cuckoo's egg is less likely to be discovered, thus the fitness should
% be related to the difference in solutions.  Therefore, it is a good idea
% to do a random walk in a biased way with some random step sizes.
% New solution by biased/selective random walks【加入随机行走的新解集】
stepsize=rand*(nest(randperm(n),:)-nest(randperm(n),:));
%randperm会将数字顺序随机打乱，将1~n个整数随机打乱顺序再返回
new_nest=nest+stepsize.*K;
for j=1:size(new_nest,1)s=new_nest(j,:);new_nest(j,:)=simplebounds(s,Lb,Ub);
end
% Application of simple constraints【简单约束的应用，这个函数是包含在莱维飞行中的】
function s=simplebounds(s,Lb,Ub)%【这个函数就是交替比较上下限】% Apply the lower bound【下限】ns_tmp=s;%【赋值】I=ns_tmp<Lb;%【先判断，若ns_tmp的值小于Lb，则把临时变量ns_tmp中存储的s的值赋给I】ns_tmp(I)=Lb(I);% Apply the upper bounds J=ns_tmp>Ub;ns_tmp(J)=Ub(J);% Update this new move 【把s这个值更新】s=ns_tmp;
%% You can replace the following by your own functions【目标函数，这是最重要的，也是自己要替换的东西】
% A d-dimensional objective function
function z=fobj(u)
%% d-dimensional sphere function sum_j=1^d (u_j-1)^2.
%  with a minimum at (1,1, ...., 1);
z=sum((u-4).^2);

[转载]布谷鸟算法的程序(个人注释)相关推荐

标准差分进化算法matlab程序实现（转载）
标准差分进化算法matlab程序实现自适应差分演化算法方面的Matlab和C++代码及论文差分进化算法 DE-Differential Evolution matlab练习程序(差异演化DE) [ ...
文字细化算法matlab,[转载]（转）二值图像的细化算法和源程序代码（Matlab）
二值图像的细化算法和源程序代码(Matlab) 有关图像细化算法,从方法上有很多,具体请参看各图像处理的经典教材,但有一本书,我记得是大概1980年代科学出版社出版的,是著名的Pavlidis编著,并 ...
[算法学习]模拟退火算法（SA）、遗传算法（GA）、布谷鸟算法（CS）、人工蜂群算法（ABC）学习笔记---附MATLAB注释代码
目录 1.模拟退火算法(Simulated Annealing,SA) 1.1 本质: 1.2 算法思想 1.3 SA流程图 1.4 模拟退火过程 1.5 SA解决TSP问题 1.6 SA改进方向 1 ...
改进的二值图像像素标记算法及程序实现（含代码）
笔者实现了一个论文里面的算法程序,论文(可以网上搜索到,实在搜不到可以联系笔者或留下邮箱发给你)讲解比较到位,按照作者的思路写完了代码,测试效果很好,在此分享一下算法思路及实现代码. 此算法优于一般的 ...
一个例子入坑布谷鸟算法(附完整py代码)
布谷鸟是比较新的启发式最优化算法,但其与传统的遗传算法,退火算法等相比,被证明收敛速度更快,计算效率更高! 文章目录本文诞生的缘由布谷鸟算法思想简介更新位置的方式莱维飞行局部随机行走抛出个 ...
TopOpt | 针对99行改进的88行拓扑优化程序完全注释
博客搬家到自己搭建的主页啦q(≧▽≦q),大家快来逛逛鸭! The Corresponding Files (Click to Save): Code top88.m R ...
TopOpt | 99行拓扑优化程序完全注释
博客搬家到自己搭建的主页啦q(≧▽≦q),大家快来逛逛鸭! The Corresponding Files (Click to Save): Code: top.m Refe ...
二.编写第一个c#程序（注释，命名空间，类，Main方法，标识符，关键字，输入，输出语句，）...
复习编写一个控制台应用程序,目标是在控制台输出"Hello World" 1.第一步,打开Visual Studio 2012以上版本(我用的是VS 2015),打开完成后出现以下 ...
风电功率预测优化算法MATLAB程序基于改进神经网络
风电功率预测优化算法MATLAB程序基于改进神经网络 (1) 该程序为基于改进神经网络的风电功率预测优化算法程序,风电预测程序,期刊论文源程序,配有该论文. (2) 该程序所用的ICA-BP 神经网络 ...
莱维飞行matlab作图,通俗易懂的布谷鸟算法与莱维飞行，(附求解函数最小值matlab源码)-Go语言中文社区...
1 从布谷鸟的育雏到布谷鸟算法布谷鸟不会做窝,也不会育雏,在春末夏初,向北飞,趁别的鸟(宿主鸟)外出觅食时,将卵蛋产在宿主鸟窝里,让宿主鸟抚养自己孩子 .当然,布谷鸟在产卵前,为了不被宿主鸟发现鸟窝 ...

[转载]布谷鸟算法的程序(个人注释)

[转载]布谷鸟算法的程序(个人注释)相关推荐

最新文章

热门文章