【优化算法】未来搜索优化算法（FSA）【含Matlab源码 1448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】未来搜索优化算法（FSA）【含Matlab源码 1448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

%Future search algorithm for爋ptimization
% 
%Cite this article
%  
clc
clear
n=30;      % Population size
iteration=1000;  % Maximum number of "iterations"
r_time=30; % Number of runtime
d=1000;       % Number of dimensions 
% Lower limit/bounds/ a vector
 Lb=-100*ones(1,d);
% Upper limit/bounds/ a vector
 Ub=100*ones(1,d);

for r=1:r_time; 
% Initialize the population/solutions
for i=1:n,
  S(i,:)=Lb+(Ub-Lb).*rand(1,d);
  for k=1:d
            if S(i,k)>Ub(k), S(i,k)=Ub(k); end
            if S(i,k)<Lb(k), S(i,k)=Lb(k); end
        end
  Fitness(i)=Fun(S(i,:));
end
% Find the initial best solution
[fmin,I]=min(Fitness);
best=S(I,:);
Lbe=S;
Lbest=Fitness;
%%main global loop
iter=0;                      % Iterations?counter
for t=1:iteration, 
    
    %%main local loop   
    for i=1:n,
             S(i,:)=S(i,:)+(-S(i,:)+best)*rand+(-S(i,:)+Lbe(i,:))*rand;
          for k=1:d
            if S(i,k)>Ub(k), S(i,k)=Ub(k); end
            if S(i,k)<Lb(k), S(i,k)=Lb(k); end
        end
          
     % Evaluate new solutions
           Fnew(i)=Fun(S(i,:));
     % Update the loacal best solution
           if (Fnew(i)<=Lbest(i)) 
                Lbe(i,:)=S(i,:);
                Lbest(i)=Fnew(i);
           end

          % Update the current global best solution
          if Fnew(i)<=fmin,
                best=S(i,:);
                fmin=Fnew(i);
          end
          
        end

        % loop of  the initial update
        for i=1:n,
             Si(i,:)=best+(best-Lbe(i,:)).*rand;
        for k=1:d
            if Si(i,k)>Ub(k), Si(i,k)=Ub(k); end
            if Si(i,k)<Lb(k), Si(i,k)=Lb(k); end
        end
             Fitness(i)=Fun(Si(i,:));
        % Update the loacal best solution
             if ( Fitness(i)<=Fnew(i)) 
                S(i,:)=Si(i,:);
                Lbe(i,:)=Si(i);
             end
       end
        [fmini,I]=min(Fitness);
besti=Si(I,:);
if fmini<=fmin,
                best=besti;
                fmin=fmini;
          end
       iter=iter+1;
       fgbest(iter)=fmin;
       iter_counter(iter)=iter;
end
% Output/display for each runtime
disp(['Number of Iterations: ',num2str(iter)]);
disp(['Best =',num2str(best),' fmin=',num2str(fmin)]);
gbest_r(r,:)=fgbest;
best_r(r,:)=best;
gbest(r)=min(fgbest);
end

[gbestscore,I]=min(gbest);
bestposition=best_r(I,:);
semilogy(gbest_r(I,:),'-r');

disp(['Number of runtime: ',num2str(r)]);
disp(['Best =',num2str(bestposition),' fmin=',num2str(gbestscore)]);



  

 

  
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
 

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.

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/120937610