1.完整项目描述和程序获取
>面包多安全交易平台:https://mbd.pub/o/bread/ZZWUk55p
>如果链接失效，可以直接打开本站店铺搜索相关店铺：
>如果链接失效，程序调试报错或者项目合作也可以加微信或者QQ联系。
2.部分仿真图预览
3.算法概述
MVO算法模拟的是多元宇宙种群在白洞、黑洞和虫洞共同作用下的运动行为。与其他群智能优化算法相同，MVO算法的优化执行过程也分为两个阶段，即探测和开采。白洞和黑洞作用于探测阶段，而虫洞则作用于开采阶段。值得注意的是，宇宙个体的位置是一个假想的概念。事实上，宇宙个体的位置是由其内部物体的运动所改变的。
4.部分源码
.................................................................................
load X.mat;
% 数据标签
train_labels=[];
for i=1:3
train_labels=[train_labels;i*ones(100,1)];
end
%% run MVO Algorithm
Universes_no=60; %Number of search agents (universes)
Max_iteration=500; %Maximum numbef of iterations
% 待优化参数(宇宙)的上、下界和维度
lb=0.01;
ub=0.5;
dim=1;
% 定义参数MinPts
MinPts =4;
[Best_score,Best_pos,cg_curve]=MVO(Universes_no,Max_iteration,lb,ub,dim,MinPts,X,train_labels);
%% Run DBSCAN
Eps=Best_pos;
labels=DBSCAN(X,Eps,MinPts);
figure;
idx1 = find(labels==1);
idx2 = find(labels==2);
idx3 = find(labels==3);
plot(X(ix1,1),X(idx1,2),'b*')
hold on
plot(X(idx2,1),X(idx2,2),'gx')
hold on
plot(X(idx3,1),X(idx3,2),'r+')
hold on
legend('类型1','类型2','类型3');
title(['DBSCAN 聚类 (\epsilon = ' num2str(Eps) ', MinPts = ' num2str(MinPts) ')']);
toc;
A362
