【优化算法】精子群优化算法（SSO）【含Matlab源码 1465期】

一、获取代码方式

获取代码方式1：
完整代码已上传我的资源：【优化算法】精子群优化算法（SSO）【含Matlab源码 1465期】

获取代码方式2：
通过订阅紫极神光博客付费专栏，凭支付凭证，私信博主，可获得此代码。

备注：
订阅紫极神光博客付费专栏，可免费获得1份代码（有效期为订阅日起，三天内有效）；

二、部分源代码

%SSO source code v2.0, Generated by Hisham A. Shehadeh, 2021. clear all
clcN = 30;                        % Size of the swarm " no of objects "
Max_Iteration  = 1000;              % Maximum number of "iterations"Benchmark_Function_ID= 2 %Benchmark function ID[sgBestScore,sgBest,GlobalBestCost]= SSO(Benchmark_Function_ID, N, Max_Iteration)sgBest
sgBestScore
semilogy(GlobalBestCost,'-r');
title(['\fontsize{12}\bf Benchmark Function: F',num2str(Benchmark_Function_ID)]);
xlabel('\fontsize{12}\bf Iteration');ylabel('\fontsize{12}\bf Fitness(Best-so-far)');
legend('\fontsize{10}\bf SSO',1);
%SSO source code v2.0, Generated by Hisham A. Shehadeh, 2021. %-------------------------------------------%%         Adopted from:                     %           %-------------------------------------------%%Shehadeh, H. A. (2021). A hybrid sperm swarm optimization and gravitational search algorithm (HSSOGSA)
%for global optimization. Neural Computing and Applications, 1-14.%-------------------------------------------%%         Adopted from:                     %           %-------------------------------------------%
% Shehadeh, H. A., Ahmedy, I., & Idris, M. Y. I. (2018, September).
%Empirical study of sperm swarm optimization algorithm.
%In Proceedings of SAI Intelligent Systems Conference (pp. 1082-1104). Springer, Cham.%-------------------------------------------%%         Adopted from:                     %           %-------------------------------------------%%Shehadeh, H. A., Ahmedy, I., & Idris, M. Y. I. (2018, February).
%Sperm swarm optimization algorithm for optimizing wireless sensor network challenges.
%In Proceedings of the 6th International Conference on Communications and Broadband Networking (pp. 53-59).% This function calculates the value of objective function.
function fit=benchmark_functions(L,Benchmark_Function_ID,dim)%You can insert your own objective function with a new Benchmark_Function_ID.if Benchmark_Function_ID==1fit=sum(L.^2);
endif Benchmark_Function_ID==2
fit=sum(abs(L))+prod(abs(L));
endif Benchmark_Function_ID==3fit=0;for i=1:dimfit=fit+sum(L(1:i))^2;end
endif Benchmark_Function_ID==4fit=max(abs(L));
endif Benchmark_Function_ID==5fit=sum(100*(L(2:dim)-(L(1:dim-1).^2)).^2+(L(1:dim-1)-1).^2);
endif Benchmark_Function_ID==6fit=sum(abs((L+.5)).^2);
endif Benchmark_Function_ID==7fit=sum([1:dim].*(L.^4))+rand;
endif Benchmark_Function_ID==8fit=sum(-L.*sin(sqrt(abs(L))));
endif Benchmark_Function_ID==9fit=sum(L.^2-10*cos(2*pi.*L))+10*dim;
endif Benchmark_Function_ID==10fit=-20*exp(-.2*sqrt(sum(L.^2)/dim))-exp(sum(cos(2*pi.*L))/dim)+20+exp(1);
endif Benchmark_Function_ID==11fit=sum(L.^2)/4000-prod(cos(L./sqrt([1:dim])))+1;
endif Benchmark_Function_ID==12fit=(pi/dim)*(10*((sin(pi*(1+(L(1)+1)/4)))^2)+sum((((L(1:dim-1)+1)./4).^2).*...(1+10.*((sin(pi.*(1+(L(2:dim)+1)./4)))).^2))+((L(dim)+1)/4)^2)+sum(Ufun(L,10,100,4));
end
if Benchmark_Function_ID==13fit=.1*((sin(3*pi*L(1)))^2+sum((L(1:dim-1)-1).^2.*(1+(sin(3.*pi.*L(2:dim))).^2))+...((L(dim)-1)^2)*(1+(sin(2*pi*L(dim)))^2))+sum(Ufun(L,5,100,4));
endif Benchmark_Function_ID==14
aS=[-32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32 -32 -16 0 16 32;,...
-32 -32 -32 -32 -32 -16 -16 -16 -16 -16 0 0 0 0 0 16 16 16 16 16 32 32 32 32 32];for j=1:25bS(j)=sum((L'-aS(:,j)).^6);endfit=(1/500+sum(1./([1:25]+bS))).^(-1);
endif Benchmark_Function_ID==15aK=[.1957 .1947 .1735 .16 .0844 .0627 .0456 .0342 .0323 .0235 .0246];bK=[.25 .5 1 2 4 6 8 10 12 14 16];bK=1./bK;fit=sum((aK-((L(1).*(bK.^2+L(2).*bK))./(bK.^2+L(3).*bK+L(4)))).^2);
endif Benchmark_Function_ID==16fit=4*(L(1)^2)-2.1*(L(1)^4)+(L(1)^6)/3+L(1)*L(2)-4*(L(2)^2)+4*(L(2)^4);
endif Benchmark_Function_ID==17fit=(L(2)-(L(1)^2)*5.1/(4*(pi^2))+5/pi*L(1)-6)^2+10*(1-1/(8*pi))*cos(L(1))+10;
endif Benchmark_Function_ID==18fit=(1+(L(1)+L(2)+1)^2*(19-14*L(1)+3*(L(1)^2)-14*L(2)+6*L(1)*L(2)+3*L(2)^2))*...(30+(2*L(1)-3*L(2))^2*(18-32*L(1)+12*(L(1)^2)+48*L(2)-36*L(1)*L(2)+27*(L(2)^2)));
endif Benchmark_Function_ID==19aH=[3 10 30;.1 10 35;3 10 30;.1 10 35];cH=[1 1.2 3 3.2];pH=[.3689 .117 .2673;.4699 .4387 .747;.1091 .8732 .5547;.03815 .5743 .8828];fit=0;for i=1:4fit=fit-cH(i)*exp(-(sum(aH(i,:).*((L-pH(i,:)).^2))));end
endif Benchmark_Function_ID==20aH=[10 3 17 3.5 1.7 8;.05 10 17 .1 8 14;3 3.5 1.7 10 17 8;17 8 .05 10 .1 14];
cH=[1 1.2 3 3.2];
pH=[.1312 .1696 .5569 .0124 .8283 .5886;.2329 .4135 .8307 .3736 .1004 .9991;...
.2348 .1415 .3522 .2883 .3047 .6650;.4047 .8828 .8732 .5743 .1091 .0381];fit=0;for i=1:4fit=fit-cH(i)*exp(-(sum(aH(i,:).*((L-pH(i,:)).^2))));end
endaSH=[4 4 4 4;1 1 1 1;8 8 8 8;6 6 6 6;3 7 3 7;2 9 2 9;5 5 3 3;8 1 8 1;6 2 6 2;7 3.6 7 3.6];
cSH=[.1 .2 .2 .4 .4 .6 .3 .7 .5 .5];if Benchmark_Function_ID==21fit=0;for i=1:5fit=fit-((L-aSH(i,:))*(L-aSH(i,:))'+cSH(i))^(-1);end
endif Benchmark_Function_ID==22fit=0;for i=1:7fit=fit-((L-aSH(i,:))*(L-aSH(i,:))'+cSH(i))^(-1);end
endif Benchmark_Function_ID==23fit=0;for i=1:10fit=fit-((L-aSH(i,:))*(L-aSH(i,:))'+cSH(i))^(-1);end
endfunction y=Ufun(x,a,k,m)
y=k.*((x-a).^m).*(x>a)+k.*((-x-a).^m).*(x<(-a));
return

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.
[3]施媛波.基于改进的群居蜘蛛优化云计算任务调度算法[J].电脑编程技巧与维护. 2021,(04)
[4]李唐兵,胡锦泓,周求宽.基于改进斑点鬣狗优化算法的红外图像分割[J].红外技术. 2021,43(10)

【优化算法】精子群优化算法（SSO）【含Matlab源码 1465期】相关推荐

【风电功率预测】基于matlab帝国殖民竞争算法优化BP神经网络风电功率预测【含Matlab源码 1314期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源: [风电功率预测]基于matlab帝国殖民竞争算法优化BP神经网络风电功率预测[含Matlab源码 1314期] ⛄二.帝国殖民竞争算法简 ...
【单目标优化求解】基于matlab黑猩猩算法求解单目标问题【含Matlab源码 1413期】
一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[单目标优化求解]基于matlab黑猩猩算法求解单目标问题[含Matlab源码 1413期] 点击上面蓝色字体,直接付费下载,即可. 获取代 ...
【APF三维路径规划】基于matlab人工势场算法无人机三维路径规划【含Matlab源码 168期】
一.获取代码方式获取代码方式1: 通过订阅紫极神光博客付费专栏,凭支付凭证,私信博主,可获得此代码. 获取代码方式2: 完整代码已上传我的资源:[三维路径规划]基于matlab人工势场算法无人机三维 ...
【RRT三维路径规划】基于matlab RRT算法无人机三维路径规划【含Matlab源码 155期】
一.获取代码方式获取代码方式1: 通过订阅紫极神光博客付费专栏,凭支付凭证,私信博主,可获得此代码. 获取代码方式2: 完整代码已上传我的资源:[三维路径规划]基于matlab RRT算法无人机三维 ...
【RRT三维路径规划】基于matlab RRT算法无人机三维路径规划【含Matlab源码 1363期】
一.获取代码方式获取代码方式1: 通过订阅紫极神光博客付费专栏,凭支付凭证,私信博主,可获得此代码. 获取代码方式2: 完整代码已上传我的资源:[三维路径规划]基于matlab RRT算法无人机三维 ...
【物流选址】基于matlab免疫算法求解物流选址问题【含Matlab源码 020期】
一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[物流选址]基于matlab免疫算法求解物流选址问题[含Matlab源码 020期] 获取代码方式2: 付费专栏Matlab路径规划(初级版 ...
【A_star三维路径规划】基于matlab A_star算法无人机三维路径规划【含Matlab源码 446期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[三维路径规划]基于matlab A_star算法无人机三维路径规划[含Matlab源码 446期] 获取代码方式2: 付费专栏Matla ...
【ACO TSP】基于matlab蚁群算法求解31城市旅行商问题【含Matlab源码 1147期】
一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[TSP]基于matlab蚁群算法求解31城市旅行商问题[含Matlab源码 1147期] 点击上面蓝色字体,直接付费下载,即可. 获取代码 ...
【LSSVM回归预测】基于matlab灰狼算法优化最小支持向量机GWO-LSSVM数据预测【含Matlab源码 2259期】
⛄一.灰狼算法优化最小支持向量机GWO-LSSVM简介 1 算法理论采用灰狼优化算法的最小二乘支持向量机模型预测时,为避免过拟合现象和检验该模型的有效性,将实证部分主要分为:①基于灰狼优化算法的最小 ...
【LSSVM回归预测】基于matlab狮群算法优化最小二乘支持向量机LSO-LSSVM数据回归预测【含Matlab源码 2261期】
⛄一.狮群算法简介狮群优化算法(lion swarm optimization algorithm, LSO)是在狮群协作捕猎的基础上提出的一种群智能优化算法.狮群算法将狮群分成3个部分:狮王.母狮 ...