【优化算法】阿基米德优化算法（AOA）【含Matlab源码 1447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】阿基米德优化算法（AOA）【含Matlab源码 1447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、阿基米德优化算法简介

在标准AOA中，通过转移因子(TF)控制个体间碰撞和平衡状态之间的切换(即算法从全局探索切换到局部开发的过程)获得优化问题的解，其中定义如下：

式中：t表示当前迭代次数；tmax迭代次数。
在初始化阶段，AOA初始化个体的密度(den)、体积(vol)、加速度(acc)，在此步骤中，AOA评估初始化种群，选出当前最优适应度个体位置(xbest)、最优密度(den)、最优体积(vol)、最优加速度(acc)，以此用来对下一代密度、体积和加速度的更新。

当TF≤0.5时，算法进行全局搜索，个体的加速度更新方式如下：


当TF>0.5时，算法处于局部开发阶段，此时个体加速度更新公式为：

通过公式(5)对加速度进行标准化处理，用来进行个体位置更新。

式中：u和l为常数。
在全局搜索阶段，碰撞个体的位置更新公式如下：

在局部开发阶段，个体的位置更新公式为：

式中：xbest表示全局最优个体，C2为常数，T=C3×TF，C3为常数。F是改变个体移动方向的标志，用于决定个体位置更新的方向，定义如下：

式中：p=2×rand-C4，C4为常数。

三、部分源代码

clc;clear all;
close all
fobj = @sumsqu;nvar=30;
lb=-10;
ub=10;
Materials_no=30;
Max_iter=1000;
dim=10;
% C3=2;C4=.5;  %cec and engineering problems
C3=1;C4=2;  %standard Optimization functions
[Xbest, Scorebest,Convergence_curve]=AOA(Materials_no,Max_iter,fobj, dim,lb,ub,C3,C4);
figure,semilogy(Convergence_curve,'r')
xlim([0 1000]);
function [Xbest, Scorebest,Convergence_curve] = AOA(Materials_no,Max_iter,fobj, dim,lb,ub,C3,C4)
% Initialization
C1=2;C2=6;
u=.9;l=.1;   %paramters in Eq. (12)
X=lb+rand(Materials_no,dim)*(ub-lb);%initial positions Eq. (4)
den=rand(Materials_no,dim); % Eq. (5)
vol=rand(Materials_no,dim);
acc=lb+rand(Materials_no,dim)*(ub-lb);% Eq. (6)
for i=1:Materials_no
    Y(i)=fobj(X(i,:));
end
[Scorebest, Score_index] = min(Y);
Xbest = X(Score_index,:);
den_best=den(Score_index,:);
vol_best=vol(Score_index,:);
acc_best=acc(Score_index,:);
acc_norm=acc;
for t = 1:Max_iter
    TF=exp(((t-Max_iter)/(Max_iter)));   % Eq. (8)
    if TF>1
        TF=1;
    end
    d=exp((Max_iter-t)/Max_iter)-(t/Max_iter); % Eq. (9)
    acc=acc_norm;
    r=rand();
    for i=1:Materials_no
        den(i,:)=den(i,:)+r*(den_best-den(i,:));   % Eq. (7)
        vol(i,:)=vol(i,:)+r*(vol_best-vol(i,:));
        if TF<.45%collision
            mr=randi(Materials_no);
            acc_temp(i,:)=(den(mr,:)+(vol(mr,:).*acc(mr,:)))./(rand*den(i,:).*vol(i,:));   % Eq. (10)
        else
            acc_temp(i,:)=(den_best+(vol_best.*acc_best))./(rand*den(i,:).*vol(i,:));   % Eq. (11)
        end
    end
    
    acc_norm=((u*(acc_temp-min(acc_temp(:))))./(max(acc_temp(:))-min(acc_temp(:))))+l;   % Eq. (12)
    
    for i=1:Materials_no
        if TF<.4
            for j=1:size(X,2)
                mrand=randi(Materials_no);
                Xnew(i,j)=X(i,j)+C1*rand*acc_norm(i,j).*(X(mrand,j)-X(i,j))*d;  % Eq. (13)
            end
        else
            for j=1:size(X,2)
                p=2*rand-C4;  % Eq. (15)
                T=C3*TF;
                if T>1
                    T=1;
                end
                if p<.5
                    Xnew(i,j)=Xbest(j)+C2*rand*acc_norm(i,j).*(T*Xbest(j)-X(i,j))*d;  % Eq. (14)
                else
                    Xnew(i,j)=Xbest(j)-C2*rand*acc_norm(i,j).*(T*Xbest(j)-X(i,j))*d;
                end
            end
        end
    end
    
    Xnew=fun_checkpositions(dim,Xnew,Materials_no,lb,ub);
    for i=1:Materials_no
        v=fobj( Xnew(i,:));
        if v<Y(i)
            X(i,:)=Xnew(i,:);
            Y (i)=v;
        end
        
    end
    [var_Ybest,var_index] = min(Y);
    Convergence_curve(t)=var_Ybest;
    if var_Ybest<Scorebest
        Scorebest=var_Ybest;
        Score_index=var_index;
        Xbest = X(var_index,:);
        den_best=den(Score_index,:);
        vol_best=vol(Score_index,:);
        acc_best=acc_norm(Score_index,:);
    end
    
end

end

function vec_pos=fun_checkpositions(dim,vec_pos,var_no_group,lb,ub)
Lb=lb*ones(1,dim);
Ub=ub*ones(1,dim);
for i=1:var_no_group
    isBelow1 = vec_pos(i,:) < Lb;
    isAboveMax = (vec_pos(i,:) > Ub);
    if isBelow1 == true
        vec_pos(i,:) =Lb;
    elseif find(isAboveMax== true)
        vec_pos(i,:) = Ub;
    end
end
end




  

 

  
 
 

  
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
 

四、运行结果

五、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]罗仕杭,何庆.融合Sin混沌和分段权值的阿基米德优化算法[J].计算机工程与应用

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/120934750