Resolvendo problemas de otimização de objetivo único com base no algoritmo otimizador de chimpanzé aprimorado (com código Matlab)
O Algoritmo de Otimização de Chimpanzés (COA) é um algoritmo de otimização inteligente baseado em biônica, inspirado no comportamento dos chimpanzés. Ao simular a estrutura organizacional e as características comportamentais de uma população de chimpanzés, o COA pode ser usado para resolver vários problemas de otimização de objetivo único. Neste artigo, apresentaremos o algoritmo Enhanced Chimpanzee Optimization (ECOA) e forneceremos exemplos de código Matlab correspondentes.
Princípio do algoritmo
O algoritmo otimizador de chimpanzé aprimorado (ECOA) é aprimorado com base no COA.Ao introduzir fatores de aprimoramento e pesos adaptativos, a capacidade de pesquisa e a convergência global do algoritmo são melhoradas. As principais etapas da ECOA são as seguintes:
-
Parâmetros de inicialização: incluindo a posição inicial do indivíduo chimpanzé, tamanho do grupo, número máximo de iterações, etc.
-
Gerar população inicial: Com base na posição inicial fornecida, gere uma população inicial de chimpanzés.
-
Calcular o valor de aptidão: Para cada indivíduo chimpanzé, calcule seu valor de aptidão como um indicador para avaliar o desempenho individual.
-
Atualizar fator de aprimoramento: Com base no valor de aptidão, atualize o fator de aprimoramento, que é usado para ajustar o comportamento de busca de chimpanzés individuais.
-
Atualizar peso: Atualize o peso adaptativo de acordo com o valor de aptidão, e o peso é usado para ajustar o comportamento cooperativo entre chimpanzés individuais.
-
Atualizar posição: Atualize a posição do chimpanzé individual com base na posição atual, fatores de aprimoramento e pesos adaptativos.
-
Determine a condição de término: verifique se o número máximo de iterações foi atingido ou se o critério de parada foi atendido. Se sim, o algoritmo termina; caso contrário, retorne ao passo 3.
Exemplo de código Matlab