【优化算法】差分进化优化杂草优化（DIWO）【含Matlab源码 1482期】

一、获取代码方式

获取代码方式1：
通过订阅紫极神光博客付费专栏，凭支付凭证，私信博主，可获得此代码。

获取代码方式2：
完整代码已上传我的资源：【优化算法】差分进化优化杂草优化（DIWO）【含Matlab源码 1482期】

备注：
订阅紫极神光博客付费专栏，可免费获得1份代码（有效期为订阅日起，三天内有效）；

二、部分源代码

clc;
clear;
close all;
tic;
%%%%%%%%%%%%%%1 参数设定%%%%%%%%%%%
N0=30; 
 itmax=30;  
dim=30;  
pmax=50;  
smax=10;
smin=1;
n=3;
delta_initial=3;
delta_final=0.001;
G=0.5;
CR=0.1;

xini=-40+10*rand(N0,dim);

%%%%%%%%%%%%%%%%%%%%%%主循环%%%%%%%%%%%%%%%%%%%%%%%%
iter=1;
while iter<=itmax
    Niter=N0; 
  e=[];
    for i=1:Niter
fit=sum(xini(i,:).^2);
e=[e;fit];
    end  
%%%%%%%%%%%%2 生长繁殖%%%%%%%%%%
Nseed=round(-(smax-smin)/(max(e)-min(e))*(e-min(e))+smax);

%%%%%%%%%%%%%3 空间扩散%%%%%%%%%
delta_iter=(itmax-iter)^n/(itmax)^n*(delta_initial-delta_final)+delta_final;
M=size(Nseed);

[aa bb]=sort(e);
fit_median=mean(e);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
m={};
a=[];
b=[];

for i=1:M(1,1)
    %%%%%%%%%%%%%%%%%%%%%%%%%%%
    if e(i)>=fit_median
    delta_i=(1+0.5*(e(i)-fit_median)/(max(e)-fit_median))*delta_iter;
else 
    delta_i=(1-0.5*(fit_median-e(i))/(fit_median-min(e)))*delta_iter;
    end
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  for  j=1:dim
%       x_iter=normrnd(xini(i,j),delta_iter^2,[1,Nseed(i,1)]);
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
k=rand(); 
 x_iter=(rand()+k*rand()-k)*normrnd(xini(i,j),delta_iter^2,[1,Nseed(i,1)])+1e-006*rand();
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
a=x_iter;
b=[b,a'];
  end
m{i}=b';
b=[];
end
  
f=[];
   for i=1:M(1,1)
   for j=1:Nseed(i,1)
    c=m{i};
   d=c(:,j);
fitness_seed=sum(d(:,1).^2);

end

X=[m,xini];                                 %新种群
F=[e;f];                                    %新种群的适应度值
Niter=Niter+sum(Nseed(:,1));                %新种群个体数量
V=size(X);
q=[];

    h=X{i};
    B=size(h);
    for j=1:B(1,2)
    l=h(:,j);
    q=[q,l];
    end
end
o=q';


%%%%%%%%%%4 竞争排除%%%%%%%%%%%%


   fitmin=g(1:pmax,1);
   Niter=pmax;
else
    fitmin=g;
end

xini=q(:,p(1:Niter,1));
iter=iter+1
yy=min(fitmin);

 end
%%%%%%%%%%%%%对经过一代繁殖后的杂草种群进行DE操作，产生新种群%%%%%%%%%%%%
it=1;
 while  it<=50
 
v=zeros(Niter,dim);
    u=zeros(Niter,dim);
for i=1:Niter
   p=randint(3,1,[1 Niter]);
r1=p(1);
r2=p(2);
r3=p(3); 
for j=1:dim
v(i,j)=o(r1,j)+G*(o(r2,j)-o(r3,j));
 rk=randint(1,1,[1 dim]);
       
        else
            u(i,j)=o(i,j);
        end
    end
fitu=sum(u(i,:).^2);
if fitu<F(i)
       o(i,:)=u(i,:);
        F(i)=fitu;
        
end
end
    it=it+1
 end

F

 
figure(1)
plot(1:itmax,EB(1:itmax))
y=min(fitmin);
y
toc






  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
  
45
  
46
  
47
  
48
  
49
  
50
  
51
  
52
  
53
  
54
  
55
  
56
  
57
  
58
  
59
  
60
  
61
  
62
  
63
  
64
  
65
  
66
  
67
  
68
  
69
  
70
  
71
  
72
  
73
  
74
  
75
  
76
  
77
  
78
  
79
  
80
  
81
  
82
  
83
  
84
  
85
  
86
  
87
  
88
  
89
  
90
  
91
  
92
  
93
  
94
  
95
  
96
  
97
  
98
  
99
  
100
  
101
  
102
  
103
  
104
  
105
  
106
  
107
  
108
  
109
  
110
  
111
  
112
  
113
  
114
  
115
  
116
  
117
  
118
  
119
  
120
  
121
  
122
  
123
  
124
  
125
  
126
  
127
  
128
  
129
  
130
  
131
  
132
  
133
  
134
  
135
  
136
  
137
  
138
  
139
  
140
  
141
  
142
  
143
  
144
 

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.
[3]施媛波.基于改进的群居蜘蛛优化云计算任务调度算法[J].电脑编程技巧与维护. 2021,(04)

文章来源: qq912100926.blog.csdn.net，作者：海神之光，版权归原作者所有，如需转载，请联系作者。

原文链接：qq912100926.blog.csdn.net/article/details/121134581