1 簡介

SSA是一種模仿麻雀捕獵與反捕獵動(dòng)作的新型智能優(yōu)化算法，種群成員包括發(fā)現(xiàn)者、跟隨者和偵察者。種群中適應(yīng)度較好的發(fā)現(xiàn)者將會在搜尋過程中最先收集到食物；有一部分跟隨者始終監(jiān)視發(fā)現(xiàn)者，若有跟隨者發(fā)現(xiàn)種群中有麻雀已經(jīng)找到更好的食物，這部分跟隨者會立即去爭奪食物；若負(fù)責(zé)偵察的麻雀一直處在當(dāng)前的最優(yōu)預(yù)測位置上，那么只需逃離到當(dāng)前區(qū)域周圍的某個(gè)地方；若偵察的麻雀并不處在當(dāng)前最優(yōu)預(yù)測位置上，則尋找當(dāng)前最優(yōu)預(yù)測區(qū)域周圍的地方?？?。

2 部分代碼

function [FoodFitness,FoodPosition,Convergence_curve]=SSA(N,Max_iter,lb,ub,dim,fobj)if size(ub,1)==1 ? ?ub=ones(dim,1)*ub; ? ?lb=ones(dim,1)*lb;endConvergence_curve = zeros(1,Max_iter);%Initialize the positions of salpsSalpPositions=initialization(N,dim,ub,lb);FoodPosition=zeros(1,dim);FoodFitness=inf;%calculate the fitness of initial salpsfor i=1:size(SalpPositions,1) ? ?SalpFitness(1,i)=fobj(SalpPositions(i,:));end[sorted_salps_fitness,sorted_indexes]=sort(SalpFitness);for newindex=1:N ? ?Sorted_salps(newindex,:)=SalpPositions(sorted_indexes(newindex),:);endFoodPosition=Sorted_salps(1,:);FoodFitness=sorted_salps_fitness(1);%Main loopl=2; % start from the second iteration since the first iteration was dedicated to calculating the fitness of salpswhile l<Max_iter+1 ? ?c1 = 2*exp(-(4*l/Max_iter)^2); % Eq. (3.2) in the paper ? ?for i=1:size(SalpPositions,1) ? ? ? ?SalpPositions= SalpPositions'; ? ? ? ?if i<=N/2 ? ? ? ? ? ?for j=1:1:dim ? ? ? ? ? ? ? ?c2=rand(); ? ? ? ? ? ? ? ?c3=rand(); ? ? ? ? ? ? ? ?%%%%%%%%%%%%% % Eq. (3.1) in the paper %%%%%%%%%%%%%% ? ? ? ? ? ? ? ?if c3<0.5 ? ? ? ? ? ? ? ? ? ?SalpPositions(j,i)=FoodPosition(j)+c1*((ub(j)-lb(j))*c2+lb(j)); ? ? ? ? ? ? ? ?else ? ? ? ? ? ? ? ? ? ?SalpPositions(j,i)=FoodPosition(j)-c1*((ub(j)-lb(j))*c2+lb(j)); ? ? ? ? ? ? ? ?end ? ? ? ? ? ? ? ?%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% ? ? ? ? ? ?end ? ? ? ?elseif i>N/2 && i<N+1 ? ? ? ? ? ?point1=SalpPositions(:,i-1); ? ? ? ? ? ?point2=SalpPositions(:,i); ? ? ? ? ? ?SalpPositions(:,i)=(point2+point1)/2; % % Eq. (3.4) in the paper ? ? ? ?end ? ? ? ?SalpPositions= SalpPositions'; ? ?end ? ?for i=1:size(SalpPositions,1) ? ? ? ?Tp=SalpPositions(i,:)>ub';Tm=SalpPositions(i,:)<lb';SalpPositions(i,:)=(SalpPositions(i,:).*(~(Tp+Tm)))+ub'.*Tp+lb'.*Tm; ? ? ? ?SalpFitness(1,i)=fobj(SalpPositions(i,:)); ? ? ? ?if SalpFitness(1,i)<FoodFitness ? ? ? ? ? ?FoodPosition=SalpPositions(i,:); ? ? ? ? ? ?FoodFitness=SalpFitness(1,i); ? ? ? ?end ? ?end ? ?Convergence_curve(l)=FoodFitness; ? ?l = l + 1;end

3 仿真結(jié)果

4 參考文獻(xiàn)

[1]陳彩虹,王誠. 基于CNN深度算法改進(jìn)及故障預(yù)測研究[J]. 計(jì)算機(jī)技術(shù)與發(fā)展, 2020, 30(10):6.

博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測、信號處理、元胞自動(dòng)機(jī)、圖像處理、路徑規(guī)劃、無人機(jī)等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻(xiàn)，若有侵權(quán)聯(lián)系博主刪除。