【禁忌搜索算法】基于禁忌搜索算法求解函数极值问题含Matlab源码

1 简介

2 完整代码

%%%%%%%%%%%%%%%%禁忌搜索算法求函数极值问题%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%初始化%%%%%%%%%%%%%%%%%%%%%%%%%%%clear all;                        %清除所有变量close all;                        %清图clc;                              %清屏xu=5;                             %上界xl=-5;                            %下界L=randi([5 11],1,1);            %禁忌长度取5,11之间的随机数Ca=5;                             %邻域解个数Gmax=200;                         %禁忌算法的最大迭代次数；w=1;                              %自适应权重系数tabu=[];                          %禁忌表x0=rand(1,2)*(xu-xl)+xl;          %随机产生初始解bestsofar.key=x0;                 %最优解xnow(1).key=x0;                   %当前解%%%%%%%%%%%%%%%%最优解函数值，当前解函数值%%%%%%%%%%%%%%%%%bestsofar.value=func2(bestsofar.key);  xnow(1).value=func2(xnow(1).key);g=1;while g<Gmax    x_near=[];                     %邻域解    w=w*0.998;    for i=1:Ca        %%%%%%%%%%%%%%%%%%%%%产生邻域解%%%%%%%%%%%%%%%%%%%%        x_temp=xnow(g).key;        x1=x_temp(1);        x2=x_temp(2);        x_near(i,1)=x1+(2*rand-1)*w*(xu-xl);           %%%%%%%%%%%%%%%%%边界条件处理%%%%%%%%%%%%%%%%%%%           %%%%%%%%%%%%%%%%%%%边界吸收%%%%%%%%%%%%%%%%%%%%%        if x_near(i,1)<xl            x_near(i,1)=xl;        end        if x_near(i,1)>xu            x_near(i,1)=xu;        end        x_near(i,2)=x2+(2*rand-1)*w*(xu-xl);           %%%%%%%%%%%%%%%%%边界条件处理%%%%%%%%%%%%%%%%%%%           %%%%%%%%%%%%%%%%%%%边界吸收%%%%%%%%%%%%%%%%%%%%%        if x_near(i,2)<xl            x_near(i,2)=xl;        end        if x_near(i,2)>xu            x_near(i,2)=xu;        end        %%%%%%%%%%%%%%计算邻域解点的函数值%%%%%%%%%%%%%%%%%%%        fitvalue_near(i)=func2(x_near(i,:));     end    %%%%%%%%%%%%%%%%%%%%最优邻域解为候选解%%%%%%%%%%%%%%%%%%%    temp=find(fitvalue_near==max(fitvalue_near));    candidate(g).key=x_near(temp,:);    candidate(g).value=func2(candidate(g).key);    %%%%%%%%%%%%%%候选解和当前解的评价函数差%%%%%%%%%%%%%%%%%%    delta1=candidate(g).value-xnow(g).value;     %%%%%%%%%%%%%%候选解和目前最优解的评价函数差%%%%%%%%%%%%%%%    delta2=candidate(g).value-bestsofar.value;        %%%%%候选解并没有改进解，把候选解赋给下一次迭代的当前解%%%%%%    if delta1<=0           xnow(g+1).key=candidate(g).key;        xnow(g+1).value=func2(xnow(g).key);        %%%%%%%%%%%%%%%%%%%%%更新禁忌表%%%%%%%%%%%%%%%%%%%%%%%        tabu=[tabu;xnow(g+1).key];        if size(tabu,1)>L              tabu(1,:)=[];        end        g=g+1;                 %更新禁忌表后，迭代次数自增1    %%%%%%%如果相对于当前解有改进，则应与目前最优解比较%%%%%%%%%%    else        if delta2>0            %候选解比目前最优解优            %%%%%%%%%%把改进解赋给下一次迭代的当前解%%%%%%%%%%%%            xnow(g+1).key=candidate(g).key;            xnow(g+1).value=func2(xnow(g+1).key);            %%%%%%%%%%%%%%%%%%%%更新禁忌表%%%%%%%%%%%%%%%%%%%%%            tabu=[tabu;xnow(g+1).key];            if size(tabu,1)>L                 tabu(1,:)=[];            end             %%%%%%%%把改进解赋给下一次迭代的目前最优解%%%%%%%%%%%%            %%%%%%%%%%%%%%%%%包含藐视准则%%%%%%%%%%%%%%%%%%%%%%%            bestsofar.key=candidate(g).key;            bestsofar.value=func2(bestsofar.key);            g=g+1;                %更新禁忌表后，迭代次数自增1        else            %%%%%%%%%%%%%%%判断改进解时候在禁忌表里%%%%%%%%%%%%%%%            [M,N]=size(tabu);            r=0;            for m=1:M                if candidate(g).key(1)==tabu(m,1)...                   & candidate(g).key(2) == tabu(m,1)                    r=1;                end            end            if  r==0                %%改进解不在禁忌表里，把改进解赋给下一次迭代的当前解                xnow(g+1).key=candidate(g).key;                xnow(g+1).value=func2(xnow(g+1).key);                %%%%%%%%%%%%%%%%%%%%%更新禁忌表%%%%%%%%%%%%%%%%%%                tabu=[tabu;xnow(g).key];                if size(tabu,1)>L                    tabu(1,:)=[];                end                g=g+1;               %更新禁忌表后，迭代次数自增1            else                %%%如果改进解在禁忌表里，用当前解重新产生邻域解%%%%%                xnow(g).key=xnow(g).key;                xnow(g).value=func2(xnow(g).key);            end        end    end    trace(g)=func2(bestsofar.key);endbestsofar;           %最优变量及最优值figureplot(trace);xlabel('迭代次数')ylabel('目标函数值')title('搜索过程最优值曲线')

%%%%%%%%%%%%%%%%%%%%%%%%%%%%适配值函数%%%%%%%%%%%%%%%%%%%%%%%%function y=func2(x)y=(cos(x(1)^2+x(2)^2)-0.1)/(1+0.3*(x(1)^2+x(2)^2)^2)+3;

3 运行结果

4 参考文献

[1]戚峰, 俞晶菁, 黄召杰. 基于禁忌搜索算法求解车间作业调度问题[J]. 兰州交通大学学报, 2011, 30(3):7.

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。

【禁忌搜索算法】基于禁忌搜索算法求解函数极值问题含Matlab源码相关推荐

【背包问题】基于matlab禁忌搜索算法求解背包问题【含Matlab源码 373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:[背包问题]基于matlab禁忌搜索算法求解背包问题[含Matlab源码 373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 ...
【MVO TSP】基于matlab灰狼算法求解旅行商问题【含Matlab源码 1327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灰狼算法求解旅行商问题[含Matlab源码 1327期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2: ...
【GA TSP】基于matlab遗传算法求解旅行商问题【含Matlab源码 1337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遗传算法求解旅行商问题[含Matlab源码 1337期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2: ...
【AFSA TSP】基于matlab人工鱼群算法求解旅行商问题【含Matlab源码 422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人工鱼群算法求解旅行商问题[含Matlab源码 422期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2 ...
【BA TSP】基于matlab蜜蜂算法求解旅行商问题【含matlab源码 1248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蜜蜂算法求解旅行商问题[含matlab源码 1248期] 获取代码方式2: 付费专栏Matlab路径规划(初级版 ...
【IA TSP】基于matlab免疫算法求解旅行商问题【含Matlab源码 195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:[旅行商问题]基于matlab免疫算法求解旅行商问题[含Matlab源码 195期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2 ...
【GA TSP】基于matlab遗传算法求解旅行商问题【含Matlab源码 1909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:[GA TSP]基于matlab遗传算法求解旅行商问题[含Matlab源码 1909期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方 ...
【钟表识别】基于计算机视觉实现钟表时间识别含Matlab源码
1 简介基于计算机视觉实现钟表时间识别含Matlab源码 2 部分代码 function [time_clock]= read(filepath) I = imread(filepath); [e ...
MATLAB从入门到精通-欧拉法与梯形法求解微分方程（含MATLAB源码）
前言以下是我为大家准备的几个精品专栏,喜欢的小伙伴可自行订阅,你的支持就是我不断更新的动力哟! MATLAB-30天带你从入门到精通 MATLAB深入理解高级教程(附源码) tableau可视化数据 ...
【PSO TSP】基于matlab GUI粒子群算法求解旅行商问题【含Matlab源码 1334期】
⛄一.TSP简介旅行商问题,即TSP问题(Traveling Salesman Problem)又译为旅行推销员问题.货郎担问题,是数学领域中著名问题之一.假设有一个旅行商人要拜访n个城市,他必须选 ...

【禁忌搜索算法】基于禁忌搜索算法求解函数极值问题含Matlab源码

2 完整代码

4 参考文献

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。

【禁忌搜索算法】基于禁忌搜索算法求解函数极值问题含Matlab源码相关推荐

最新文章

热门文章