1 简介
2 部分代码
clear all
clc
SearchAgents=30;
Fun_name='F11';
Max_iterations=1000;
[lowerbound,upperbound,dimension,fitness]=Get_Functions_details(Fun_name);
[Best_score,Best_pos,SHO_curve]=sho(SearchAgents,Max_iterations,lowerbound,upperbound,dimension,fitness);
figure('Position',[300 300 400 300])
subplot(121)
func_plot(Fun_name);
title('Objective space')
xlabel('x_1');
ylabel('x_2');
zlabel([Fun_name,'( x_1 , x_2 )'])
subplot(122)
plots=semilogx(SHO_curve,'Color','g');
set(plots,'linewidth',2)
hold on
title('Objective space')
xlabel('Iterations');
ylabel('Best fitness score');
axis tight
grid on
box on
legend('SHO')
display(['The best optimal value of the objective function found by SHO is : ', num2str(Best_score)]);
3 仿真结果
4 参考文献
[1]贾鹤鸣, 姜子超, 李瑶,等. 基于改进斑点鬣狗优化算法的同步优化特征选择[J]. 计算机应用.
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。