基于Tent混沌映射的麻雀搜索算法-附代码

基于Tent混沌映射的麻雀搜索算法

文章目录

• 基于Tent混沌映射的麻雀搜索算法

• 1.Tent映射
• 2.基于Tent映射的麻雀搜索算法
• 3.算法结果：
• 4.Matlab代码
• 5.Python代码

1.Tent映射

图1.Tent映射形态

Tent 映射又称帐篷映射，是一种分段线性映射函数。之所以称为“帐篷”，是因为它的映射形态图形状类似一个帐篷，如图1 所示。Tent 映射结构简单，且映射呈现的结果分布密度比较均匀，具有有很好的遍历性。表达式为：

$x_{n+1} = \begin{cases}2x_n ,0\leq x_n<0.5\\ 2(1-x_n),0.5\leq x_n\leq 1 \end{cases} \tag{1}$

这是在取参数 a=5.0 时的表达式。Tent 映射原本的数学表达式是：

$x_{n+1} = \begin{cases} \frac{x_n}{a},(0<x_n<a)\\ \frac{1-x_n}{1-a},(0\leq x_n\leq1) \tag{2} \end{cases}$

其中，当 a∈)1,0( ， xn∈)1,0( 时，系统处于混沌状态下。可以从它的表达式看出，Tent 算法涉及的参数较少，操作比较简单。这里，设置系数 a=3.0 ,，初始值 x =0.32 ，将 Tent 映射迭代 200 次，得到的[0,1]区间范围内值的分布情况图如 2所示中可以看出，Tent 映射分布较均匀，在(0,1)区间内都有取值。

图2.Tent映射分布图

2.基于Tent映射的麻雀搜索算法

基础麻雀算法的具体原理参考，我的博客

该改进主要是在初始化种群时，利用Tent映射初始化种群

算法流程

Step1： 利用Tent映射策略初始化种群，迭代次数，初始化捕食者和加入者比列。

Step2：计算适应度值，并排序。

Step3：麻雀更新捕食者位置。

Step4：麻雀更新加入者位置。

Step5：麻雀更新警戒者位置。

Step6：计算适应度值并更新麻雀位置。

Step7：是否满足停止条件，满足则退出，输出结果，否则，重复执行Step2-6；

3.算法结果：

4.Matlab代码

5.Python代码