【优化求解】基于鸟群算法(Bird Swarm Algorithm)求解单目标最优matlab代码

喜欢ヅ旅行 2022-08-28 01:48 76阅读 0赞

## 1 简介 ##

鸟群算法( bird swarm alogrithm，BSA) 是由 Meng 等人于 2015 年提出的一种基于鸟群行为的群智能优化算法，其思想源于鸟群的飞行、觅食和警戒三个主要群体行为，BSA算法依赖飞行行为跳出局部最优进行全局搜索，通过觅食行为记录个体和群体最好的解，通过觅食行为和警戒行为的随机切换搜索当前局部的最优解，而通过飞行间隔 FQ 来平衡算法全局搜索和局部搜索的能力。

鸟群算法是对鸟群群体行为和群体互动的简化，它模仿的是鸟群的飞行行为、觅食行为和警戒行为，并用这种群体智慧解决最优化问题。鸟群算法可以被如下规则简化描述:

a) 鸟群中的每只鸟可以在觅食和警戒行为之间随机切换。

b) 觅食期间，每只鸟可以迅速记录与更新个体和群体之间最好的觅食经验，这个经验将用于觅食，群体信息将即刻共享于整个鸟群。

c) 保持警戒的时候，每只鸟都试图向群体中心靠近，而具有较高食物储量的鸟类更倾向于向群体中心靠近。

d) 鸟类可以周期性地向其他位置移动。当移动到另一个位置时，鸟类一般要在生产者和乞讨者之间作出选择，具有最高食物储量的鸟将成为生产者，而具有最低食物储量的鸟将成为乞讨者，其他鸟将随机选择成为生产者和乞讨者。 e) 生产者积极寻觅食物，乞讨者随机跟随一个生产者寻找食物。

![bd6718a74c4d62e633605a65c87d5d6d.png][]

![ee503bc58c72951479dad62b6d01878a.png][]

![b3bf289208a2c03bba909564b925a7a2.png][]

## 2 部分代码 ##

clc
    clear all
    close all
    FitFunc = @Sphere;
    M = 1000;
    pop = 30;
    dim = 20;
    FQ = 10;
    c1 = 1.5;
    c2 = 1.5;
    a1 = 1;
    a2 = 1;
    [ bestX, fMin ,yy] = BSA( FitFunc, M, pop, dim, FQ, c1, c2, a1, a2 );
    figure(1)
    % plot(BestCosts,'LineWidth',2);
    semilogy(yy,'LineWidth',2);
    xlabel('Iteration');
    ylabel('Best Cost');
    grid on;
    img =gcf;  %获取当前画图的句柄
    print(img, '-dpng', '-r600', './运行结果.png')         %即可得到对应格式和期望dpi的图像

## 3 仿真结果 ##

![36f525b770490b0ff6430cde786a3ddb.png][]

## 4 参考文献 ##

\[1\]曾嶒等. "基于鸟群算法的微电网多目标运行优化." 电力系统保护与控制 13(2016):117-122.

![图片][7f6cdc10f08437957f80c53d25b8eeaf.png]

[bd6718a74c4d62e633605a65c87d5d6d.png]: /images/20220828/522e3b6c38024511bff996d9ba32288a.png
[ee503bc58c72951479dad62b6d01878a.png]: /images/20220828/36e2b78274d74569a2a7ed1a78138ade.png
[b3bf289208a2c03bba909564b925a7a2.png]: /images/20220828/ba05923572bd4fa2b66682bf86041d3a.png
[36f525b770490b0ff6430cde786a3ddb.png]: /images/20220828/cec3e0ae9ec3474698095dee991253e6.png
[7f6cdc10f08437957f80c53d25b8eeaf.png]: /images/20220828/4cc108f10a264478a3bf5349306b9dd4.png