1.关于FOA的基本概念

果蝇优化算法（FOA）是一种基于果蝇觅食行为推演出寻求全局优化的新方法。果蝇本身在感官知觉上优于其他物种，尤其是嗅觉和视觉上。果蝇的嗅觉器官能很好的搜集漂浮在空气中的各种气味，甚至能够嗅到40公里以外的食物源。然后，飞到食物位置附近后亦可使用敏锐的视觉发现食物和同伴聚集的位置，并且向该方向飞去。

果蝇算法可应用于求解最优解。

果蝇群体迭代搜寻食物的步骤如下：

（1）随机初始化果蝇群体位置。

Init X_axis

Init Y_axis

（2）赋予果蝇个体利用嗅觉搜寻食物的随机距离与方向。

Xi = X_axis + Random Value

Yi = Y_axis + Random Value

（3）由于无法得知食物的位置，因此先估计与原点的距离（Dist），再计算味道浓度判定值（S），此值为距离的倒数。

Disti = sqrt(Xi^2 + Yi^2)

Si = 1 / Disti

（4）味道浓度判定值（S）代入味道浓度判定函数（或称为Fitness function）以求出该果蝇个体位置的味道浓度（Smelli）。

Smelli = Function(Si)

（5）找出该果蝇群体中味道浓度最高的果蝇（求极大值）。

[bestSmell bestIndex] = max(Smell)

（6）保留最佳味道浓度值与x、y的坐标，此时果蝇群体利用视觉往该位置飞去。

Smellbest = bestSmell

X_axis = X(bestIndex)

Y_axis = Y(bestIndex)

（7）进入迭代寻优，重复执行步骤2-5，并判断味道浓度是否优于前一迭代味道浓度，若是则实行步骤6。

2.举例：解析果蝇优化算法求解极小值

以FOA算法求解函数y=-5 + x*x的极小值，极小值为-5。

MATLAB代码如下：

味道浓度判定函数

function [ y ] = Fitness( x )%味道浓度判定函数y = x^2 - 5;end

FOA算法

%maxgen为迭代次数，sizepop为种群规模
function [ yy, Xbest, Ybest  ] = FOA( maxgen, sizepop )%*** 随机初始果蝇群里位置X_axis = 10 * rand();Y_axis = 10 * rand();%*** 果蝇寻优开始，利用嗅觉寻找食物for i=1 : sizepop%*** 赋予果蝇个体利用嗅觉搜寻食物之随机方向与距离X(i) = X_axis + 2 * rand() - 1;Y(i) = Y_axis + 2 * rand() - 1;%*** 由于无法得知食物位置，因此先估计与原点的距离（Dist），再计算味道浓度判定值（S），此值为距离的倒数D(i) = (X(i)^2 + Y(i)^2)^0.5;S(i) = 1 / D(i);%*** 味道浓度判定值（S）代入味道浓度判定函数（或称为Fitness function），以求出该果蝇个体位置的味道浓度（Smell(i))Smell(i) = Fitness(S(i));end%*** 找出此果蝇群里中味道浓度最低的果蝇（求极小值）[bestSmell bestindex] = min(Smell);%*** 保留最佳味道浓度值与x，y的坐标，此时果蝇群里利用视觉往该位置飞去X_axis = X(bestindex);Y_axis = Y(bestindex);Smellbest = bestSmell;%*** 果蝇迭代寻优开始for g=1 : maxgen%*** 赋予果蝇个体利用嗅觉搜寻食物的随机方向和距离for i=1 : sizepopX(i) = X_axis + 2 * rand() - 1;Y(i) = Y_axis + 2 * rand() - 1;%*** 由于无法得知食物位置，因此先估计与原点的距离（Dist），再计算味道浓度判定值（S），此值为距离的倒数D(i) = (X(i)^2 + Y(i)^2)^0.5;S(i) = 1 / D(i);%*** 味道浓度判定值（S）代入味道浓度判定函数，以求出该果蝇个体位置的味道浓度（Smell(i))Smell(i) = Fitness(S(i));end;%*** 找出此果蝇群里中味道浓度最低的果蝇（求极小值）[bestSmell bestindex] = min(Smell);%*** 判断味道浓度是否优于前一次迭代味道浓度，若是则保留最佳味道浓度值与x，y的坐标，此时果蝇群体利用视觉往该位置飞去if bestSmell < SmellbestX_axis = X(bestindex);Y_axis = Y(bestindex);Smellbest = bestSmell;end;%*** 每次最优Semll值记录到yy数组中，并记录最优迭代坐标yy(g) = Smellbest;Xbest(g) = X_axis;Ybest(g) = Y_axis;end;end

主函数

%*** 清空运行环境
clc;
clear;%*** 设置参数
maxgen = 200; %迭代次数
sizepop = 50; %种群规模[ yy, Xbest, Ybest  ] = FOA( maxgen, sizepop );%*** 绘制迭代味道浓度与果蝇飞行路径趋势图
figure(1);
plot(yy);
title('Optimization process', 'fontsize', 12);
xlabel('Iteration Number', 'fontsize', 12);
ylabel('Smell', 'fontsize', 12);
figure(2);
plot(Xbest, Ybest, 'b.');
title('Fruit fly flying route', 'fontsize', 14);
xlabel('X-axis', 'fontsize', 12);
ylabel('Y-axis', 'fontsize', 12);

迭代求解极小值函数曲线如下：

果蝇搜寻轨迹如下：

果蝇优化算法（FOA）相关推荐

python实现果蝇优化算法(FOA算法)
# 该方法可以运行,适用于调整多个参数的方法 import numpy as np import matplotlib.pyplot as plt #定义需要解的函数(名称为fun1) def fun ...
果蝇优化算法(FOA)原理
https://www.cnblogs.com/fd-682012/p/11935772.html https://blog.csdn.net/stm32_newlearner/article/det ...
果蝇优化算法 C语言,果蝇优化算法（FOA）
果蝇优化算法(FOA) 果蝇优化算法(Fruit Fly Optimization Algorithm, FOA)是基于果蝇觅食行为的仿生学原理而提出的一种新兴群体智能优化算法. 果蝇优化算法(FOA ...
MATLAB中果蝇味道浓度判定函数,果蝇优化算法的加权策略研究
摘要: 针对基本果蝇优化算法(FOA)收敛速度慢和寻优精度不高的缺点,在位置更新公式中引入加权因子,提出了基于线性递减策略和先增后减策略的两种加权果蝇优化算法(WFOA),从而增强了种群的多样性. ...
MATLAB中果蝇味道浓度判定函数,果蝇优化算法的分析.PDF
果蝇优化算法的分析 2017 年第 26 卷第 2 期计算机系统应用果蝇优化算法的分析① 韩虎 (兰州交通大学电子与信息工程学院, 兰州 730070) 摘要: 本文针对果蝇 ...
【路径规划】基于果蝇优化算法实现机器人路径规划matlab源码
一.简介果蝇优化算法(FOA)是一种基于果蝇觅食行为推演出寻求全局优化的新方法.果蝇本身在感官知觉上优于其他物种,尤其是嗅觉和视觉上.果蝇的嗅觉器官能很好的搜集漂浮在空气中的各种气味,甚至能够嗅到4 ...
果蝇优化算法（Fruit Fly Optimization Algorithm，FOA）-Matlab源码
获取更多资讯,赶快关注上面的公众号吧! 文章目录果蝇优化算法(Fruit Fly Optimization Algorithm,FOA) 启发初始化食物搜索计算味道浓度判定值适应度评估确定 ...
智能优化算法之果蝇优化算法（FOA）的实现（Python附源码）
一.果蝇优化算法的实现思路果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)是潘文超于2011年提出的一种群智能优化算法,它模拟自然界中的果蝇进行觅食时的方式, ...
【MATLAB】自适应果蝇优化算法整定PID控制器参数（六）—— 一阶带时延的被控对象
[MATLAB]自适应果蝇优化算法整定PID控制器参数(六)-- 一阶带时延的被控对象目录 [MATLAB]自适应果蝇优化算法整定PID控制器参数(六)-- 一阶带时延的被控对象 0研究背景 1自适 ...

果蝇优化算法（FOA）

1.关于FOA的基本概念

2.举例：解析果蝇优化算法求解极小值

果蝇优化算法（FOA）相关推荐

最新文章

热门文章