智能优化算法：JAYA优化算法 -附代码

智能优化算法：JAYA优化算法

文章目录

• 智能优化算法：JAYA优化算法

• 1.算法原理
• 2.实验结果
• 3.参考文献
• 4.Matlab代码
• 5.Python代码

摘要：JAYA算法是于2016年提出的一种简单高效的新型优化算法，具有收敛快寻优强的特点。

1.算法原理

传统 Jaya 算法是 Rao 等提出的一种元启发式算法，它基于持续改进的原理，将个体不断向优秀个体靠拢，同时不断远离差的个体，进而不断提高解的质量。传统 Jaya 算法主要基于迭代公式（1），每次通过该方程迭代进化获取新的解，因此 Jaya 算法不像其他进化算法需要许多的参数，它只需要针对特定问题调整迭代过程的参数，减少了因为调整过多参数而带来的测试上的麻烦。与其它元启发式算法相比，Jaya 算法更容易理解和实现。该算法的迭代公式如下所示：
$X_{i,j,t}$
式(1)中，$i$代表种群中第$i$个个体，$i=1,...,n$，$j$代表个体的第j维变量，$j=1,2,...,dim$,$t$表示当前迭代的次数。$X,X$表示第t代的第$i$个个体在第$j$维上更新前和经过Jaya公式迭代计算后的值。$r_{best},r_{worst}$是[0,1]之间的随机数，通过调整这两个参数大小，调整逼近最优解的能力。$X_{best,j,t},X_{worst,j,t}$分别表示第$t$代的最优差个体在第$j$维上的值。$r_{best,i,j,t}*(X_{best,j,t} - |X_{i,j,t}|)$将当前个体朝当代最优解的方向进化,$- r_{worst,i,j}(X_{worst,i,j,t} - |X_{i,j,t}|)$将当前个体朝远离当代最差解方向进行进化。如果生成的新个体的适应度比原始个体优秀，则用新个体代替原始个体，否则不替换，然后对下一个个体进行 Jaya 迭代。当遍历完所有个体之后，进行下一轮迭代。

Jaya优化算法流程图如下：

2.实验结果

3.参考文献

[1]李洪辉,伍宏科.基于JAYA算法的高层建筑粘滞阻尼器优化布置[J].四川建筑,2020,40(06):153-154+159.

[1]连裕翔,张超勇,孟磊磊,薛燕社,詹欣隆,吕畅.基于改进Jaya算法的柔性作业车间调度问题[J/OL].计算机集成制造系统:1-19[2021-04-10].http://kns.cnki.net/kcms/detail/11.5946.tp.20201009.0942.004.html.

4.Matlab代码

5.Python代码

个人资料介绍