【饥饿游戏搜索算法】基于饥饿游戏搜索算法求解单目标优化问题（HGS）含Matlab源码

原创

matlab科研助手 2022-03-23 20:28:57 博主文章分类：优化求解 ©著作权

©著作权归作者所有：来自51CTO博客作者matlab科研助手的原创作品，请联系作者获取转载授权，否则将追究法律责任

1 简介

近年来，已发布了一组最新的基于人口的过度使用的方法。尽管它们很受欢迎，但是由于操纵了系统的互联网营销，产品捆绑和广告技术，它们中的大多数具有不确定的，不成熟的性能，部分完成的验证，相似的过度使用的隐喻，相似的不成熟的勘探和开发组件和操作以及不安全的权衡取舍在大多数新的实际案例中，勘探与开发趋势之间的差异。因此，所有用户都需要根据主要的进化方法广泛地修改和调整其操作，以实现更快的收敛，更稳定的平衡和高质量的结果。为了使优化社区朝着更加注重性能而不是隐喻变化的方向前进，本研究提出了一种通用的基于总体的优化技术，称为“饥饿游戏搜索”（HGS），该技术结构简单，具有特殊的稳定性且非常实用。竞争绩效，以更有效地实现约束和非约束问题的解决方案。拟议的HGS是根据饥饿驱动的活动和动物的行为选择而设计的。这种动态的，适合健康的搜索方法遵循“饥饿”的简单概念，将其作为所有动物生命中最关键的体内平衡。:饥饿游戏搜索算法(Hunger games search,HGS)是于2021年提出的一种新型智能优化算法，该算法是根据动物饥饿驱动活动和行为而设计的，具有寻优能力强，收敛速度快等特点。

2 部分代码

% Hunger Games Search (HGS)
%
%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
clear all %#ok<CLALL>
close all
clc
N=30; % Number of search agents
Function_name='F21'; % Name of the test function, range from F1-F13
FEs=100; % Maximum number of evaluation times
dimSize = 30;   %dimension size
% Load details of the selected benchmark function
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);
[Destination_fitness,bestPositions,Convergence_curve]=HGS(N,FEs,lb,ub,dim,fobj);
%Draw objective space
figure,
subplot(1,2,1);
func_plot(Function_name);
title('Objective space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])
subplot(1,2,2);
hold on
semilogy(Convergence_curve,'Color','r','LineWidth',2);
title('Convergence curve')
xlabel('Iteration');
ylabel('Best fitness obtained so far');
axis tight
grid off
box on
legend('HGS')
display(['The best location of HGS is: ', num2str(bestPositions)]);
display(['The best fitness of HGS is: ', num2str(Destination_fitness)]);