【优化算法】混合增强灰狼优化布谷鸟搜索算法（AGWOCS）【含Matlab源码 1331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】混合增强灰狼优化布谷鸟搜索算法（AGWOCS）【含Matlab源码 1331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、布谷鸟算法简介

布谷鸟算法，英文叫做Cuckoo search (CS algorithm)。首先还是同样，介绍一下这个算法的英文含义， Cuckoo是布谷鸟的意思，啥是布谷鸟呢，是一种叫做布谷的鸟，o(∩_∩)o ，这种鸟她妈很懒，自己生蛋自己不养，一般把它的宝宝扔到别的种类鸟的鸟巢去。但是呢，当孵化后，遇到聪明的鸟妈妈，一看就知道不是亲生的，直接就被鸟妈妈给杀了。于是这群布谷鸟宝宝为了保命，它们就模仿别的种类的鸟叫，让智商或者情商极低的鸟妈妈误认为是自己的亲宝宝，这样它就活下来了。
布谷鸟搜索算法（Cuckoo Search, CS）是2009年Xin-She Yang 与Suash Deb在《Cuckoo Search via Levy Flights》一文中提出的一种优化算法。布谷鸟算法是一种集合了布谷鸟巢寄生性和莱维飞行（Levy Flights）模式的群体智能搜索技术，通过随机游走的方式搜索得到一个最优的鸟巢来孵化自己的鸟蛋。这种方式可以达到一种高效的寻优模式。

1 布谷鸟的巢寄生性

2 莱维飞行

图1.模拟莱维飞行轨迹示意图

3 布谷鸟搜索算法的实现过程

三、部分源代码

%_____________________________________________________________________________________________ %
%  Augmented Grey Wolf optimizer-Cuckoo Search algorithm (AGWO-CS) source codes demo V1.0      %%clear all
clc
close all
warning offSearchAgents_no=30; % Number of search agentsFunction_name='F1'; % Name of the test function that can be from F1 to F23 Max_iteration=500; % Maximum number of iterationsRun_no = 20; for k =  1 : 1 : Run_no   % Load details of the selected benchmark function
[lb,ub,dim,fobj]=Get_Function_details(Function_name);[Best_score_CS2,Best_pos_CS2,AGWOCS_cg_curve]=AGWO_CS(SearchAgents_no,Max_iteration,lb,ub,dim,fobj); % Augmented GWO- Cuckoo Search.
BestSolutions1(k) = Best_score_CS2;Average= mean(BestSolutions1);Mean=mean(BestSolutions1);StandDP=std(BestSolutions1);Med = median(BestSolutions1); [BestValueP I]   = min(BestSolutions1);[WorstValueP IM] = max(BestSolutions1);disp(['Run # ' , num2str(k), ' Best_score_AGWOCS :  ' , num2str( Best_score_CS2)]);
enddisp([ 'Best=',num2str( BestValueP)]);disp([ 'Worst=',num2str(WorstValueP)]);disp([ 'Average=',num2str( Average)]);disp([ 'Mean=',num2str( Mean)]);disp([ 'Standard Deviation=',num2str( StandDP)]);disp([ 'Median=',num2str(Med)]);figure('Position',[200 90 780 390])
%figure('Position',[300 190 500 270])
%Draw search space
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])
%colormap parula%Draw objective space
subplot(1,2,2);
%semilogy(GWO_cg_curve,'Color','r')
hold onsemilogy(AGWOCS_cg_curve,'Color','m')title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');axis tight
grid on
box on
%legend('AGWO-CS')
legend({'AGWO-CS'},'FontSize',4,'location','best')

四、运行结果

五、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.