?1 算法介紹

針對(duì)花朵授粉算法易陷入局部極值,收斂速度慢的不足,提出一種具有入侵雜草策略的花朵授粉算法.該算法通過(guò)入侵雜草的繁殖,空間擴(kuò)散和競(jìng)爭(zhēng)策略,動(dòng)態(tài)生成種群,增加種群的多樣性和有效性,使算法能有效地避免陷入局部最優(yōu),增強(qiáng)全局尋優(yōu)能力,提高收斂速度.通過(guò)8個(gè)CEC2005benchmark測(cè)試函數(shù)進(jìn)行測(cè)試比較,仿真結(jié)果表明,改進(jìn)算法的全局尋優(yōu)能力明顯優(yōu)于基本的花朵授粉算法,差分進(jìn)化算法和蝙蝠算法,其收斂精度,收斂速度,魯棒性均較對(duì)比算法有較大提高.

2 部分代碼

% IWO % CPSO % IIWO %% 清空環(huán)境變量 clear clc %% 網(wǎng)絡(luò)參數(shù) L = 20; ? ? ? ? ? ? ? ? ? ? ? ? % 區(qū)域邊長(zhǎng) V = 24; ? ? ? ? ? ? ? ? ? ? ? ? % 節(jié)點(diǎn)個(gè)數(shù) Rs = 2.5; ? ? ? ? ? ? ? ? ? ? ? ? ? % 感知半徑 Rc = 5; ? ? ? ? ? ? ? ? ? ? ? ?% 通信半徑 Re = 0.05; ? ? ? ? ? ? ? ? ? ? % 感知誤差 data = 1; ? ? ? ? ? ? ? ? ? ? ?% 離散粒度 %% 基本參數(shù) N = 30; ? ? ? ? ? ? ? ? ? ?% 種群規(guī)模 dim = 2*V; ? ? ? ? ? ? ? % 維數(shù) maxgen = 300; ? ? ? ? % 最大迭代次數(shù) ub = L; lb = 0; %% 初始化種群位置 X = rand(N, dim).*(ub-lb)+lb; for i = 1:N ? ?fitness(i) = fun(X(i, :), L, Rs, Re, data); end %% 傳入函數(shù)變量 [bestvalue_IWO, gbest_IWO, Curve_IWO] = IWO(N, maxgen, Rs, Re, L, data, X, fitness, lb, ub, dim); [bestvalue_CPSO, gbest_CPSO, Curve_CPSO] = CPSO(N, maxgen, Rs, Re, L, data, X, fitness, lb, ub, dim); [bestvalue_IIWO, gbest_IIWO, Curve_IIWO] = IIWO(N, maxgen, Rs, Re, L, data, X, fitness, lb, ub, dim); %% 繪圖比較 figure; t = 1:maxgen; plot(t, Curve_IWO, 'ro-', t, Curve_CPSO, 'kx-', t, Curve_IIWO, 'bp-',... ? ?'linewidth', 2, 'linewidth', 1.5, 'MarkerSize',7, 'MarkerIndices', 1:20:maxgen); legend('IWO', 'CPSO', 'IIWO'); xlabel '迭代次數(shù)'; ylabel '覆蓋率';

3 仿真結(jié)果

無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)分布優(yōu)化問(wèn)題是 WSN 研究的關(guān)鍵性問(wèn)題之一，也是通信領(lǐng)域研究的熱點(diǎn)。 針對(duì) WSN 節(jié)點(diǎn)分布優(yōu)化問(wèn)題，提出一種基于改進(jìn)雜 草算法的節(jié)點(diǎn)分布優(yōu)化方案。IIWO 算法利用立方映 射混沌算子改進(jìn)了雜草初始位置的更新策略; 采用高斯變異算子增加了種群的多樣性。

4 參考文獻(xiàn)

[1]肖輝輝, 段艷明. 具有入侵雜草策略的花朵授粉算法[J]. 系統(tǒng)仿真學(xué)報(bào), 2017, 029(002):264-272.