%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%*********************细菌觅食算法**********************

%%%%%%%%%%%%%%%%%%%-----BFA算法-----%%%%%%%%%%%

clear;

clc;

%-----(1)初始化参数-----

bounds = [-5.12 5.12;-5.12 5.12]; % 函数变量范围

p = 2;    % 搜索范围的维度

s = 26;   % 细菌的个数

Nc = 50;  % 趋化的次数

Ns = 4;   % 趋化操作中单向运动的最大步数

C(:,1) = 0.001*ones(s,1);  % 翻转选定方向后,单个细菌前进的步长

Nre = 4;    % 复制操作步骤数

Ned = 2;    % 驱散(迁移)操作数

Sr = s/2;   % 每代复制(分裂)数

Ped = 0.25; % 细菌驱散(迁移)概率

d_attract = 0.05;       % 吸引剂的数量

ommiga_attract = 0.05;  % 吸引剂的释放速度

h_repellant = 0.05;     % 排斥剂的数量

ommiga_repellant = 0.05;% 排斥剂的释放速度

for i = 1:s     % 产生初始细菌个体的位置

P(1,i,1,1,1) = -5.12 + rand*10.24;

P(2,i,1,1,1) = -5.12 + rand*10.24;

end

%------------------细菌趋药性算法循环开始---------------------

%-----(2)驱散(迁移)操作开始-----

for l = 1:Ned

%-----(3)复制操作开始-----

for k = 1:Nre

%-----(4)趋化操作(翻转或游动)开始-----

for j = 1:Nc

%-----(4.1)对每一个细菌分别进行以下操作-----

for i = 1:s

%-----(4.2)计算函数J(i,j,k,l),表示第i个细菌在第l次驱散第k次

%----------复制第j次趋化时的适应度值-----

J(i,j,k,l) = Cost(P(:,i,j,k,l));

%-----(4.3)修改函数,加上其它细菌对其的影响-----

Jcc = sum(-d_attract*exp(-ommiga_attract*((P(1,i,j,k,l)-...

P(1,1:26,j,k,l)).^2+(P(2,i,j,k,l)-P(2,1:26,j,k,l)).^2))) +...

sum(h_repellant*exp(-ommiga_repellant*((P(1,i,j,k,l)-...

P(1,1:26,j,k,l)).^2+(P(2,i,j,k,l)-P(2,1:26,j,k,l)).^2)));

J(i,j,k,l) = J(i,j,k,l) + Jcc;

%-----(4.4)保存细菌目前的适应度值,直到找到更好的适应度值取代之-----

Jlast = J(i,j,k,l);

%-----(4.5)翻转,产生一个随机向量C(i),代表翻转后细菌的方向-----

Delta(:,i) = (2*round(rand(p,1))-1).*rand(p,1);

% PHI表示翻转后选择的一个随机方向上前进

PHI = Delta(:,i)/sqrt(Delta(:,i)'*Delta(:,i));

%-----(4.6)移动,向着翻转后细菌的方向移动一个步长,并且改变细菌的位置-----

P(:,i,j+1,k,l) = P(:,i,j,k,l) + C(i,k)*PHI;

%-----(4.7)计算细菌当前位置的适应度值-----

J(i,j+1,k,l) = Cost(P(:,i,j+1,k,l));

%-----(4.8)游动-----

m = 0; % 给游动长度计数器赋初始值

while(m < Ns) % 未达到游动的最大长度,则循环

m = m + 1;

% 新位置的适应度值是否更好?如果更好,将新位置的适应度值

% 存储为细菌i目前最好的适应度值

if(J(i,j+1,k,l) < Jlast)

Jlast = J(i,j+1,k,l);  %保存更好的适应度值

% 在该随机方向上继续游动步长单位,修改细菌位置

P(:,i,j+1,k,l) = P(:,i,j+1,k,l) + C(i,k)*PHI;

% 重新计算新位置上的适应度值

J(i,j+1,k,l) = Cost(P(:,i,j+1,k,l));

else

% 否则,结束此次游动

m = Ns;

end

end

J(i,j,k,l) = Jlast; % 更新趋化操作后的适应度值

end  % 如果i

%-----(5)如果j

Jlast

x = P(1,:,j,k,l);

y = P(2,:,j,k,l);

clf

plot(x,y,'h')   % h表示以六角星绘图

axis([-5 5 -5 5]); % 设置图的坐标图

pause(.1) % 暂停0.1秒后继续

end

%----------------下面进行复制操作----------------

%-----(6)复制-----

%-----(6.1)根据所给的k和l的值,将每个细菌的适应度值按升序排序-----

Jhealth = sum(J(:,:,k,l),2);  % 给每个细菌设置健康函数值

[Jhealth,sortind] = sort(Jhealth); % 按健康函数值升序排列函数

P(:,:,1,k+1,l) = P(:,sortind,Nc+1,k,l);

C(:,k+1) = C(sortind,k);

%-----(6.2)将代价小的一半细菌分裂成两个,代价大的一半细菌死亡-----

for i = 1:Sr

% 健康值较差的Sr个细菌死去,Sr个细菌分裂成两个子细菌,保持个体总数的s一致性

P(:,i+Sr,1,k+1,l) = P(:,i,1,k+1,l);

C(i+Sr,k+1) = C(i,k+1);

end

%-----(7)如果k

end

%-----(8)趋散,对于每个细菌都以Ped的概率进行驱散,但是驱散的细菌群体的总数

%--------保持不变,一个细菌被驱散后,将被随机重新放置到一个新的位置-----

for m = 1:s

% 产生随机数,如果既定概率大于该随机数,细菌i灭亡,随机产生新的细菌i

if(Ped > rand)

P(1,m,1,1,1) = -5.12 + rand*10.24;

P(2,m,1,1,1) = -5.12 + rand*10.24;

else

P(:,m,1,1,l+1) = P(:,m,1,Nre+1,l);  % 未驱散的细菌

end

end

end  % 如果l

%-------------------------报告----------------------

reproduction = J(:,1:Nc,Nre,Ned);

% 每个细菌最小的适应度值

[Jlastreproduction,O] = min(reproduction,[],2);

[BestY,I] = min(Jlastreproduction)

Pbest = P(:,I,O(I,:),k,l)

% 适应度函数

% 求解Shaffer's函数的最小值

% Shaffer's函数表示如下:

function cost = Cost(x)

cost = 0.5 + (sin(sqrt(x(1)^2+x(2)^2))^2-0.5)/(1.0+0.001*(x(1)^2+x(2)^2))^2;

Java实现细菌觅食算法_细菌觅食算法的matlab代码相关推荐

  1. 【Matlab】智能优化算法_蜻蜓优化算法DA

    [Matlab]智能优化算法_蜻蜓优化算法DA 1.背景介绍 2.灵感 3.公式推导 3.1 勘探和开发操作 4.算法流程图 5.文件结构 6.伪代码 7.详细代码及注释 7.1 DA.m 7.2 d ...

  2. 【Matlab】智能优化算法_蚁狮优化算法ALO

    [Matlab]智能优化算法_蚁狮优化算法ALO 1.背景介绍 2.基本思想 3.公式推导 3.1 ALO算法的运算符 3.2 蚂蚁的随机游动 3.3 困在蚂蚁坑里 3.4 修建陷阱 3.5 蚂蚁划向 ...

  3. 【Matlab】智能优化算法_灰狼优化算法GWO

    [Matlab]智能优化算法_灰狼优化算法GWO 1.背景介绍 2.基本思想 2.1 等级制度 2.2 狩猎方式 3.公式推导 3.1 社会等级制度 3.2 包围猎物 3.3 包围猎物 3.4 攻击猎 ...

  4. 3.蚁群算法求解格栅地图路径规划matlab代码

    往期: 1.Dijkstra算法求解格栅地图路径matlab代码_墨叔叔的博客-CSDN博客 2.A*搜索算法原理及matlab代码_墨叔叔的博客-CSDN博客 一.蚁群算法原理 原理:蚁群系统(An ...

  5. 基于基于粒子群优化算法的微电网调度(Matlab代码实现)

    目录 ⛳️1 写在前面 ⛳️2 基于基于粒子群优化算法的微电网调度(Matlab代码实现)

  6. 利用粒子群算法求解电力系统无功优化的MATLAB代码,以网损和电压偏差为目标函数

    利用粒子群算法求解电力系统无功优化的MATLAB代码,以网损和电压偏差为目标函数,有注释和相关的参考文献. ID:6925651017361264 浪迹天涯 技术交流 资源共享 莫如博客陪您进步! 本 ...

  7. 利用粒子群算法求解电力系统无功优化的MATLAB代码

    利用粒子群算法求解电力系统无功优化的MATLAB代码,以网损和电压偏差为目标函数,有注释和相关的参考文献. ID:8125651017361264浪迹天涯

  8. java 最少使用(lru)置换算法_缓存置换算法 - LRU算法

    LRU算法 1 原理 对于在内存中并且不被使用的数据块就是LRU,这类数据需要从内存中删除,以腾出空间来存储常用的数据. LRU算法(Least Recently Used,最近最少使用),是内存管理 ...

  9. java红包金额随机数算法_实时随机数算法(微信红包分配算法)

    微信红包算法在知乎上面有个专题讨论,其实红包的发放的随机算法,有两种作法:java 一.预生产: 算法 无外乎是在发红包的时候,随机去把金额生成到某个容器当中,而后要用的时候,一个一个的POP:微信 ...

  10. java 投票算法_摩尔投票算法 - woshixin的个人空间 - OSCHINA - 中文开源技术交流社区...

    摩尔投票算法(Moore majority vote algorithm) 这个在wiki的介绍在https://en.wikipedia.org/wiki/Boyer%E2%80%93Moore_m ...

最新文章

  1. c# blockingcollections
  2. yum php56w_yum安装PHP/yum升级PHP
  3. select元素的各种jquery修改获取添加方法
  4. python基础爬虫的框架以及详细的运行流程
  5. 高并发系统—通用设计方法
  6. OSI模型数据链路层为什么需要分层?
  7. 机器学习参数优化数据改用所有数据还是训练集
  8. kafka专题:kafka的Topic主题、Partition分区、消费组偏移量offset等基本概念详解
  9. SpringBoot之SpringMVC自动配置
  10. 马云:不能把孩子放在温室里,光给孩子知识是不够的
  11. [我给Unity官方视频教程做中文字幕]beginner Graphics – Lessons系列之灯光介绍Lights...
  12. 纪念一下挖到CSDN官网漏洞
  13. pci配置基地址_PCI/PCIe基础——配置空间
  14. 课得软件丨纵观全球程序员税后年收入,中国排在第几?
  15. 刚构桥的优缺点_桥的类型以及适用条件,优缺点
  16. HDU4082Hou Yi's secret(相似三角形的个数)
  17. 理解S.M.A.R.T.格式及从中获取硬盘状态信息
  18. 编码:中文字符转ASCII码
  19. fs的负载均衡 opensip+keeplive-fs
  20. Intel I210网卡简述

热门文章

  1. 基于you-get的视频批量下载
  2. 腾讯云离线语音识别sdk
  3. 【Hadoop】Hadoop Snappy 安装 (Ubuntu 16.04)
  4. 计算机化学对高分子科学的贡献,计算机在化学中的应用论文(2)
  5. 安装SQL server2017提示无法打开注册表项:“Software\Microsoft\MicrosoftsQL Server\140\Bootstrap“,注册表可能已损环。
  6. Jetson TK1 配置
  7. NVIDIA Jetson TK1学习与开发(三):图文详解Jetson TK1平台搭建
  8. 单片机中code、data、idata、xdata等关键字意思
  9. linux环境,tomcat 关闭命令sh shutdown.sh 命令执行后进程没有关闭
  10. 超级表格的高级使用者都在用视图做些什么?