【优化算法】象群游牧优化算法（EHO）【含Matlab源码 1080期】

一、获取代码方式

获取代码方式1：
完整代码已上传我的资源：【优化算法】象群游牧优化算法（EHO）【含Matlab源码 1080期】

获取代码方式2：
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。

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、象群游牧优化算法（EHO）简介

象群游牧算法，是一种新提出来的元启发式智能算法，根据象群在草原上游牧的习性而建立来。象群被分为多个家族群，每个个体都向各自家族群里的家长靠拢；成年雄象在青春期会被分离出去等。以Sphere函数测试，效果相当良好。

1 象群游牧算法的数学模型
象群的游牧行为非常复杂，但是其中一些行为可以帮助我们寻找全局最优解和局部最优解。对此，进行数学建模为：
(1) 象群的每个部落都有固定数目的大象；
(2) 每次迭代中，部落中都有一定数目的大象离开部落，独自生活并与部落保持一定的联系；
(3) 每个部落都是由女族长领导-----在算法中，女族长是适应度值最大的大象。

2 部落中大象位置的更新公式
1）部落中普通大象的更新公式：

2）族长的位置更新公式：

3）公象的分离公式：

三、部分源代码

%% Elephant Herding Optimization Code

clear all; 
close all;
clc;
%% Initialization parameters %%
n_clan = 5; % the number of clan
n = 10; % the number of individuals in each clan
n_KEL = 4; % the kept elephants
alpha = 0.5; % scale factor 
beta = 0.1; % scale factor
T = 200; % generation maximum
D = 30; % individual dimension
Xmin = -100; % position minimum
Xmax = 100; % position maximum
t = 0; % the counter initial value 
%% Initialization population %%
X = rand(n*n_clan,D)*(Xmax-Xmin)+Xmin; % generate population randomly
for i = 1:n*n_clan
    Fit_X(i,:) = func(X(i,:)); % population fitness
end
%% Implement termination condition %%
while t < T
      [Sa_Fit_X,I_X_a] = sort(Fit_X,'ascend'); % ascend order
      I_KEL = I_X_a(1:n_KEL); % order number for KEL individuals
      KEL = X(I_KEL,:); % obtain the KEL individuals
      X = X(randperm(size(X,1)),:); % disorder population
     %% Implement clan updating algorithm %%
      for i = 1:n_clan
          clan = X((i-1)*n+1:i*n,:); % obtain the clan
          for j = 1:n
              Fit_clan(j,:) = func(clan(j,:)); % calculate individual fitness in each clan 
              [Fit_Xbest,I_Xbest] = min(Fit_clan); % obtain the best fitness and order number in each clan
              Xbest = clan(I_Xbest,:); % obtain the best individual in each clan
              % Xbest refers to the matriarch in each clan
              if X((i-1)*n+j,:) == Xbest
                 X_clan_center = sum(clan)/n_clan; % obtain the center individual in each clan
                 X((i-1)*n+j,:) = beta*X_clan_center; % update the best individual in each clan
              else
                 X((i-1)*n+j,:) = X((i-1)*n+j,:)+alpha*(Xbest-X((i-1)*n+j,:))*rand; % update all individuals in each clan
              end
          end
      end
     %% Implement seperating operator %%
      for i = 1:n_clan          
          clan_updated = X((i-1)*n+1:i*n,:); % obtain the clan
          for j = 1:n
              Fit_clan_updated(j,:) = func(clan_updated(j,:)); % calculate individual fitness in each updated clan 
          end
          [Fit_Xworst,I_Xworst] = max(Fit_clan_updated); % the worst fitness and order number in each updated clan
          X(I_Xworst,:) = rand(1,D)*(Xmax-Xmin+1)+Xmin; % replace the worst individual with a generated-randomly individual
      end
for u = 1:n*n_clan
    Fit_X_1(u,:) = func(X(u,:)); % population fitness
end
[Sd_Fit_X,I_X_d] = sort(Fit_X_1,'descend'); % descend order
I_X_worst = I_X_d(1:n_KEL); % order number for worst individuals
X(I_X_worst,:) = KEL; % replace the worst individuals with KEL
for v = 1:n*n_clan
    Fit_X(v,:) = func(X(v,:)); % population fitness
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
 

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]周品.MATLAB 神经网络设计与应用[M].清华大学出版社，2013.
[4]陈明.MATLAB神经网络原理与实例精解[M].清华大学出版社，2013.
[5]方清城.MATLAB R2016a神经网络设计与应用28个案例分析[M].清华大学出版社，2018.

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/118437109