カメレオン アルゴリズムに基づいて線形計画問題を解く Matlab プログラム
1 カメレオン アルゴリズム
カメレオンは爬虫類であり、樹上生活に適した特徴と行動を備えた非常に特異な動物です。回避者の体長は約15〜25cmで、体の側面は平らで、背中に棘があり、後頭部には鈍い三角形の突起があります。四肢は非常に長く、指と足指は 2 つの対向するグループに分かれており、前肢の最初の 3 本の指が内側のグループを形成し、第 4 と第 5 の指が外側のグループを形成し、後肢の第 1 指と第 2 指が外側のグループを形成します。内側のグループを形成し、外側のグループは独特の 3 本の指で形成され、枝を保持するのに適しています。尾は長く、枝に巻きつくことができます。体長を超えて突き出た非常に長く敏感な舌を持ち、舌の先端には昆虫に付着する粘液を大量に分泌する腺があります。非常に特異な眼を持ち、厚いまぶたに輪状に突き出た眼球があり、左右180度自由に動き、左右の目は協調することなく独立して動きます。この現象は動物ではまれです。2 つの目は仕事を分担して前方と後方を監視します。これは捕食に役立つだけでなく、遅れている敵を発見することもできます。カメレオンは長い舌を使って獲物を素早く狩ります。所要時間はわずか 1/25 秒で、舌の長さは体の 2 倍です。木の上を歩いたり止まったりする動作は、天敵に風に吹かれて落ちてきた木の葉と間違えてしまいます。
カメレオン アルゴリズム (CSA) は、餌の検索、餌の追跡のための 360 度の目の回転、獲物の位置を特定して捕獲するための自分の舌の使用など、カメレオンの狩猟行動のステップを数学的にシミュレートおよび実現するバイオニック アルゴリズムです。カメレオン アルゴリズムは実際の問題にうまく使用でき、優れたパフォーマンスを達成できます。SAIDらはCSAを用いて経済的負荷配分問題を最適化し、他のアルゴリズムと比較したところ、シミュレーションの結果、CSAの方が優れた計算結果を示した。RIZKらは、SOFCモデルの信頼性が高く正確なパラメータを抽出するために改良されたカメレオングループアルゴリズムを設計した。CSA は強力なコンピューティング能力とさまざまな問題への適応力を備えています。
2 算例
3 プログラムソリューションの結果
4 プログラム
1) メインプログラム
%% 基于变色龙算法的线性规划问题求解
clear
close all
clc
%% % Prepare the problem
dim = 3;
ub = 15*ones(1, dim);
lb = 0*ones(1, dim);
fobj = @Objfun;
%% % CSA parameters
noP = 500;
maxIter = 50;
[bestFitness, bestPosition, CSAConvCurve] =Chameleon(noP,maxIter,lb,ub,dim,fobj);
disp(['最优解为：', num2str(bestFitness)]);
disp(['最优变量为：', num2str(bestPosition)]);
2) サブルーチン
%% Chameleon Swarm Algorithm (CSA) source codes version 1.0
%
% Developed in MATLAB R2018a
%
% Author and programmer: Malik Braik
%
% e-Mail: [email protected]
% [email protected]
%
% Main paper:
% Malik Sh. Braik,
% Chameleon Swarm Algorithm: A Bio-inspired Optimizer for Solving Engineering Design Problems
% Expert Systems with Applications
% DOI: https://doi.org/10.1016/j.eswa.2021.114685
%____________________________________________________________________________________
function [fmin0,gPosition,cg_curve]=Chameleon(searchAgents,iteMax,lb,ub,dim,fobj)
%%%%* 1
if size(ub,2)==1
ub=ones(1,dim)*ub;
lb=ones(1,dim)*lb;
end
% if size(ub,1)==1
% ub=ones(dim,1)*ub;
% lb=ones(dim,1)*lb;
% end
%% Convergence curve
cg_curve=zeros(1,iteMax);
%
% f1 = figure (1);
% set(gcf,'color','w');
% hold on
% xlabel('Iteration','interpreter','latex','FontName','Times','fontsize',10)
% ylabel('fitness value','interpreter','latex','FontName','Times','fontsize',10);
% grid;
%% Initial population
chameleonPositions=initialization(searchAgents,dim,ub,lb);% Generation of initial solutions
%% Evaluate the fitness of the initial population
fit=zeros(searchAgents,1);
for i=1:searchAgents
fit(i,1)=fobj(chameleonPositions(i,:));
end
%% Initalize the parameters of CSA
fitness=fit; % Initial fitness of the random positions
[fmin0,index]=min(fit);
chameleonBestPosition = chameleonPositions; % Best position initialization
gPosition = chameleonPositions(index,:); % initial global position
v=0.1*chameleonBestPosition;% initial velocity
v0=0.0*v;
%% Start CSA
% Main parameters of CSA
rho=1.0;
p1=2.0;
p2=2.0;
c1=2.0;
c2=1.80;
gamma=2.0;
alpha = 4.0;
beta=3.0;
%% Start CSA
for t=1:iteMax
a = 2590*(1-exp(-log(t)));
omega=(1-(t/iteMax))^(rho*sqrt(t/iteMax)) ;
p1 = 2* exp(-2*(t/iteMax)^2); %
p2 = 2/(1+exp((-t+iteMax/2)/100)) ;
mu= gamma*exp(-(alpha*t/iteMax)^beta) ;
ch=ceil(searchAgents*rand(1,searchAgents));
%% Update the position of CSA (Exploration)
for i=1:searchAgents
if rand>=0.1
chameleonPositions(i,:)= chameleonPositions(i,:)+ p1*(chameleonBestPosition(ch(i),:)-chameleonPositions(i,:))*rand()+...
+ p2*(gPosition -chameleonPositions(i,:))*rand();
else
for j=1:dim
chameleonPositions(i,j)= gPosition(j)+mu*((ub(j)-lb(j))*rand+lb(j))*sign(rand-0.50) ;
end
end
end
%% Rotation of the chameleons - Update the position of CSA (Exploitation)
%%% Rotation 180 degrees in both direction or 180 in each direction
%
% [chameleonPositions] = rotation(chameleonPositions, searchAgents, dim);
%% % Chameleon velocity updates and find a food source
for i=1:searchAgents
v(i,:)= omega*v(i,:)+ p1*(chameleonBestPosition(i,:)-chameleonPositions(i,:))*rand +....
+ p2*(gPosition-chameleonPositions(i,:))*rand;
chameleonPositions(i,:)=chameleonPositions(i,:)+(v(i,:).^2 - v0(i,:).^2)/(2*a);
end
v0=v;
%% handling boundary violations
for i=1:searchAgents
if chameleonPositions(i,:)<lb
chameleonPositions(i,:)=lb;
elseif chameleonPositions(i,:)>ub
chameleonPositions(i,:)=ub;
end
end
%% Relocation of chameleon positions (Randomization)
for i=1:searchAgents
ub_=sign(chameleonPositions(i,:)-ub)>0;
lb_=sign(chameleonPositions(i,:)-lb)<0;
chameleonPositions(i,:)=(chameleonPositions(i,:).*(~xor(lb_,ub_)))+ub.*ub_+lb.*lb_; %%%%%*2
fit(i,1)=fobj (chameleonPositions(i,:)) ;
if fit(i)<fitness(i)
chameleonBestPosition(i,:) = chameleonPositions(i,:); % Update the best positions
fitness(i)=fit(i); % Update the fitness
end
end
%% Evaluate the new positions
[fmin,index]=min(fitness); % finding out the best positions
% Updating gPosition and best fitness
if fmin < fmin0
gPosition = chameleonBestPosition(index,:); % Update the global best positions
fmin0 = fmin;
end
%% Print the results
% outmsg = ['Iteration# ', num2str(t) , ' Fitness= ' , num2str(fmin0)];
% disp(outmsg);
%% Visualize the results
cg_curve(t)=fmin0; % Best found value until iteration t
% if t>2
% set(0, 'CurrentFigure', f1)
%
% line([t-1 t], [cg_curve(t-1) cg_curve(t)],'Color','b');
% title({'Convergence characteristic curve'},'interpreter','latex','FontName','Times','fontsize',12);
% xlabel('Iteration');
% ylabel('Best score obtained so far');
% drawnow
% end
end
ngPosition=find(fitness== min(fitness));
g_best=chameleonBestPosition(ngPosition(1),:); % Solutin of the problem
fmin0 =fobj(g_best);
end
。。。。。。少し