【优化求解】基于水母搜索优化器JS算法求解最优目标matlab源码

1 简介

1.1 人工水母算法原理背景

水母生活在世界上不同深度和温度的水中。它们酷似钟状，一些水母的直径小于1cm,然有些水母直径则非常大。它们有各种各样的颜色、大小和形状。大多数水母偏好海洋环境。它们进食的方式有两种：1.利用触手把食物送进嘴里；2.以触手过滤水中的微小的浮游生物，经口腕沟靠纤毛作用送入口.然而，它们捕食方式也有两种：1.食用洋流带来的任何食物(被动)；2.主动捕食猎物，利用触手刺中猎物，令其动弹不得(主动)。、
      水母利用触手刺中猎物，释放毒素，令其麻木。它们不会攻击人，但是触碰到它们的人可能会被蛰死。有些水母刺人很疼，但是不是致命的。表现的症状有引起疼痛、红肿、瘙痒、麻木等。然而，箱水母，又称海黄蜂，非常危险，致人死亡。这类水母多数出现在澳大利亚、菲律宾沿海水域，印度洋和太平洋中部。当它们聚集在一起形成水母潮时，才是最危险的。
      水母可以自己控制移动。它们下侧像一把伞一样合拢，利用体内喷水反射前进。尽管它们拥有这种能力，但是它们大多数漂流在水中依靠洋流和潮汐运动。当条件有利时，水母会形成群，这种被称为水母潮。水母是一种脆弱的生物，维持水母潮的关键是它们相对洋流的方向，才不至于被搁浅。
      水母潮形成的因素包括：洋流、可利用的营养物、氧气的可用性、捕食和温度等。在这些因素中，洋流是水母潮形成的主要因素。因为水母可以生活在高咸度和低氧区域，所以它们无须和其他生物竞争食物。咸水含有大量的碘，有利于水母息肉的产生。海水温度的上升，有利于水母潮的产生。因为在这种情况下，水母更容易存活。总而言之，水母潮的形成离不开生态系统和洋流地影响。
      洋流（Ocean Current），即海流，也称洋面流，是指海水沿着一定方向有规律的具有相对稳定速度的水平流动，是从一个海区水平或垂直地向另一个海区大规模的非周期性的运动，是海水的主要运动形式。洋流的尺度非常大。例如,在开阔的海洋中，洋流移动大约是次中等尺度;它们的大小可能只有几百米左右的中尺度特征，或者少数可能在几十公里左右。它们可能横穿或环绕整个海洋盆地，就像墨西哥湾流(北大西洋)、黑潮流(太平洋)和阿古拉斯洋流(印度洋)。形成洋流地主要因素是太阳辐射和海平面地风。
      水母自身的运动和洋流的运动促成了水母潮的形成，这种现象在海洋中随处可见。水母去的地方，食物数量各不相同。因此，通过食物比例的比较，确定最佳位置。

1.2 人工水母算法数学模型

1.2.1 模型假设

2020年Chou等人提出人工水母算法.该算法基于三个理想化规则：

水母要么跟随洋流，要么在群内自身移动，这两者运动由时间控制机制切换；
在海洋中，水母寻找食物。它们更多被食物数量多的位置吸引；
找到的食物数量由该位置和对应的目标函数决定。

1.2.2 洋流

1.2.3 水母种群

1.2.4 时间控制机制

1.3 初始化种群

1.4 边界处理

2 部分代码

%-----------------------------------------------------------------------------------------------------------------%
% Jellyfish Search Optimizer (JS) source codes demo version 1.0 Developed in MATLAB R2016a                     %%clear all
clc
close all
%% Select function
fnumber=1;            % Select function
[lb ub dim]=boundcondition(fnumber);
%% Set the parameters
Npop=50;              % Number of jellyfish
Max_iteration=100;   % Maximum numbef of iterations
para=[Max_iteration Npop];
%% Run JS optimizer
tic;
[u,fval,NumEval,fbestvl]=js(@fobj,fnumber,lb,ub,dim,para);
time=toc;
%% Display optimal results
display(['-------------------------------------------------------------------------']);
display([' Jellyfish Search Optimizer (JS) for mathematical benchmark problems   ']);
display(['-------------------------------------------------------------------------']);
display(['The best solution obtained by JS is : ', num2str(u)]);
display(['The best optimal value of the objective function found by JS is : ', num2str(fval)]);
%% Save optimal results
save('result.mat','time','u','fval','NumEval','fbestvl');
figure(1)
plot(fbestvl,'k','LineWidth',1.5)xlabel('迭代次数');ylabel('适应度');
img =gcf;  %获取当前画图的句柄
print(img, '-dpng', '-r600', './img.png')         %即可得到对应格式和期望dpi的图像

3 仿真结果

4 参考文献

[1]郑嘉利, 罗文聪, and 覃团发. "一种基于水母群算法的RFID天线优化部署方法.", CN111291582A. 2020.

5 MATLAB代码与数据下载地址

见博客主页