基于政治优化算法的函数寻优算法
文章目录
- 一、理论基础
- 1、政治优化算法
- 2、PO算法执行过程
- 二、仿真实验与结果分析
- 三、参考文献
一、理论基础
1、政治优化算法
受政治多阶段过程的启发,文献[1]提出了一种新的全局优化算法——政治优化算法(Political Optimizer, PO)。
具体数学模型请参考文献[1]。
2、PO算法执行过程
PO算法伪代码如图1所示。
图1 PO算法伪代码
二、仿真实验与结果分析
将PO与DE、WOA、PSO和GWO进行对比,以文献[1]中表3的F6、F7、F8、F9(单峰函数/50维)和表4的F35、F36、F37、F38(多峰函数/50维)为例,实验设置种群规模为30,最大迭代次数为300,每种算法独立运算30次,结果显示如下:
函数:F6
PO:最差值: 0, 最优值: 0, 平均值: 0, 标准差: 0
WOA:最差值: 4.2623, 最优值: 1.176, 平均值: 2.5067, 标准差: 0.82135
DE:最差值: 0.82247, 最优值: 0.050423, 平均值: 0.19609, 标准差: 0.13962
PSO:最差值: 6375.1108, 最优值: 2138.9588, 平均值: 3757.4411, 标准差: 932.5996
GWO:最差值: 4.292, 最优值: 2.0156, 平均值: 3.1155, 标准差: 0.67257
函数:F7
PO:最差值: -275, 最优值: -275, 平均值: -275, 标准差: 0
WOA:最差值: -275, 最优值: -275, 平均值: -275, 标准差: 0
DE:最差值: -269, 最优值: -275, 平均值: -273.4667, 标准差: 1.907
PSO:最差值: -165, 最优值: -253, 平均值: -203.9, 标准差: 20.9142
GWO:最差值: -172, 最优值: -216, 平均值: -197.6333, 标准差: 11.0219
函数:F8
PO:最差值: 9.8891e-190, 最优值: 5.0667e-234, 平均值: 3.2966e-191, 标准差: 0
WOA:最差值: 420524.4628, 最优值: 166377.8854, 平均值: 245160.4454, 标准差: 51537.111
DE:最差值: 87679.1358, 最优值: 46888.8513, 平均值: 73555.5448, 标准差: 7817.0519
PSO:最差值: 27565.6417, 最优值: 8060.5828, 平均值: 16528.7421, 标准差: 5023.5259
GWO:最差值: 187.0318, 最优值: 0.68831, 平均值: 32.7232, 标准差: 40.2301
函数:F9
PO:最差值: 2.2688e-125, 最优值: 5.2214e-135, 平均值: 7.6487e-127, 标准差: 4.1408e-126
WOA:最差值: 2.9498e-27, 最优值: 2.7252e-33, 平均值: 1.7716e-28, 标准差: 5.9647e-28
DE:最差值: 315.7905, 最优值: 0.74046, 平均值: 36.0737, 标准差: 81.9804
PSO:最差值: 1136.2618, 最优值: 680.269, 平均值: 952.5811, 标准差: 109.5768
GWO:最差值: 2.1806e-05, 最优值: 4.0765e-06, 平均值: 1.1314e-05, 标准差: 4.6099e-06
函数:F35
PO:最差值: -1958.3083, 最优值: -1958.3083, 平均值: -1958.3083, 标准差: 4.6252e-13
WOA:最差值: -1413.0717, 最优值: -1955.6329, 平均值: -1771.4122, 标准差: 188.0284
DE:最差值: -1717.932, 最优值: -1901.6017, 平均值: -1812.0802, 标准差: 41.5355
PSO:最差值: -1367.6948, 最优值: -1574.1501, 平均值: -1474.3787, 标准差: 52.1501
GWO:最差值: -1219.0685, 最优值: -1601.5182, 平均值: -1356.9039, 标准差: 92.5855
函数:F36
PO:最差值: 0, 最优值: 0, 平均值: 0, 标准差: 0
WOA:最差值: 0.23065, 最优值: 0, 平均值: 0.0076883, 标准差: 0.042111
DE:最差值: 0.048842, 最优值: 0.0021395, 平均值: 0.011384, 标准差: 0.010118
PSO:最差值: 2.6418, 最优值: 1.506, 平均值: 1.9902, 标准差: 0.26426
GWO:最差值: 0.034662, 最优值: 9.136e-13, 平均值: 0.0032037, 标准差: 0.0087804
函数:F37
PO:最差值: 1.075e-51, 最优值: -1, 平均值: -0.8, 标准差: 0.40684
WOA:最差值: 7.8114e-20, 最优值: -1, 平均值: -0.23333, 标准差: 0.43018
DE:最差值: 1.6231e-21, 最优值: 1.7482e-22, 平均值: 7.3266e-22, 标准差: 4.0405e-22
PSO:最差值: 1.3044e-19, 最优值: 1.2635e-20, 平均值: 3.7831e-20, 标准差: 2.8772e-20
GWO:最差值: 3.7056e-21, 最优值: 1.0017e-22, 平均值: 4.6633e-22, 标准差: 6.864e-22
函数:F38
PO:最差值: 1.2074e-20, 最优值: 1.2074e-20, 平均值: 1.2074e-20, 标准差: 1.1841e-35
WOA:最差值: 5.6045e-20, 最优值: 1.2074e-20, 平均值: 1.8909e-20, 标准差: 1.2452e-20
DE:最差值: 8.0421e-18, 最优值: 1.1396e-19, 平均值: 8.07e-19, 标准差: 1.5607e-18
PSO:最差值: 9.1109e-14, 最优值: 2.6887e-16, 平均值: 1.1009e-14, 标准差: 1.9244e-14
GWO:最差值: 4.9025e-10, 最优值: 2.1153e-16, 平均值: 2.4358e-11, 标准差: 8.9515e-11
实验结果表明:PO算法的优化性能优于其他比较算法。
三、参考文献
[1] Qamar Askari, Irfan Younas, Mehreen Saeed. Political Optimizer: A novel socio-inspired meta-heuristic for global optimization[J]. Knowledge-Based Systems, 2020, 195: 105709.
基于政治优化算法的函数寻优算法相关推荐
- 《MATLAB智能算法30个案例》:第2章 基于遗传算法和非线性规划的函数寻优算法
<MATLAB智能算法30个案例>:第2章 基于遗传算法和非线性规划的函数寻优算法 1. 前言 2. MATLAB 仿真示例一 3. MATLAB 仿真示例二 4. MATLAB 仿真示例 ...
- 基于蚁群算法的函数寻优算法
文章目录 一.理论基础 二.案例背景 1.问题描述 2.解题思路及步骤 三.MATLAB程序实现 1.清空环境变量 2.初始化参数 3.构建解空间和目标函数 4.迭代寻优 5.结果显示 6.绘图 四. ...
- 基于沙猫群优化算法的函数寻优算法
文章目录 一.理论基础 1.沙猫群优化算法 (1)初始化种群 (2)搜索猎物(探索) (3)攻击猎物(开发) (4)探索和开发 2.SCSO算法伪代码 二.仿真实验与结果分析 三.参考文献 一.理论基 ...
- 基于蜉蝣优化算法的函数寻优算法
文章目录 一.理论基础 1.蜉蝣优化算法 (1)雄性蜉蝣的更新 (2)雌性蜉蝣的更新 (3)蜉蝣的交配过程 2.MA算法伪代码 二.仿真实验与结果分析 1.函数测试与数值分析 2.WSN三维覆盖优化 ...
- 基于金豺优化算法的函数寻优算法
文章目录 一.理论基础 1.金豺优化算法 (1)搜索空间公式 (2)探索阶段或搜索猎物 (3)开发阶段或围捕和突袭猎物 (4)从探索转向开发 2.GJO伪代码 二.仿真实验与结果分析 三.参考文献 一 ...
- 基于果蝇优化算法的函数寻优算法
文章目录 一.理论基础 二.算法步骤 1.启发 2.方向和距离 3.气味浓度判断值 4.适应度评估 5.寻找最优个体 6.飞行 7.迭代优化 三.案例背景 问题描述 四.MATLAB程序实现 1.清空 ...
- 基于蜂鸟优化算法的函数寻优算法
文章目录 一.理论基础 1.自搜索阶段 2.引导搜索阶段 3.HOA伪代码 二.仿真实验与分析 三.参考文献 一.理论基础 蜂鸟优化算法(Hummingbirds optimization algor ...
- 基于藤壶交配优化算法的函数寻优算法
文章目录 一.理论基础 1.藤壶交配优化算法 1.1 哈迪-温伯格(Hardy-Weinberg)法则 1.2 BMO 1.2.1 初始化 1.2.2 选择过程 1.2.3 繁殖 2.BMO算法伪代码 ...
- 基于阿基米德优化算法的函数寻优算法
文章目录 一.理论基础 1.算法步骤 (1)初始化 (2)更新密度和体积 (3)转移算子与密度算子 (4)勘探阶段 <1> 物体之间发生碰撞 <2> 物体之间无碰撞 <3 ...
最新文章
- 矩阵奇异值分解简介及C++/OpenCV/Eigen的三种实现
- 一级二级标题_考二级造价师有啥要求?
- VLC搭建RTSP服务器的过程 -测试通过
- 微信支付(APP)集成时碰到的问题(.net提示“无权限”、iOS跳转到微信支付页面中间只有一个“确定”按钮)...
- Leetcode(二):Add Two Numbers
- LINUX打开方式的配置
- 静态路由协议的默认管理距离是_动态路由选择原理(距离矢量路由协议RIP)
- 乐动ld06激光雷达sdk改bug记录分享
- 【20210305期AI简报】基于TensorRT完成NanoDet模型部署、Google AI发布TensorFlow 3D
- Alpha 冲刺(8/10)
- c语言寻找勾股数,Numpy 寻找勾股数
- 主动外观模型(AAM)
- 相识-相知-相亲-娶亲-享受
- 学习编程该如何记笔记(摘自简书、博客)
- error lnk2005解决办法
- 关于网络文学发展形势的三点判断
- MTK 方案电池保护机制设计
- fagin 启动报错 Fallback/fallbackFactory
- 有什么实用的英语音标学习软件推荐?这有两款好用的英语音标学习软件
- ORACLE ---开窗函数
热门文章
- Python实现秒杀某宝商品抢购
- 0基础也能看懂的二维码生成器 API 的技术原理(附Java 接入代码)
- 你必须知道的容器日志 (2) 开源日志管理方案 ELK/EFK
- Windows 2.0 下载
- springboot 学习十五:Spring Boot 优雅的集成Swagger2、Knife4j
- 计算机中总评等级怎么算,Excel总评等级怎么算
- piwik.php是什么,Piwik流量統計系統搭建(apche+php+mysql+piwik)
- php exif信息,php通过exif_read_data函数获取图片的exif信息_php技巧
- pku,zju题目分类
- 【verge3D】为web3D开启陀螺仪功能