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/ZJeTk5dv
>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
灰狼优化算法(GWO),灵感来自于灰狼.GWO算法模拟了自然界灰狼的领导层级和狩猎机制.四种类型的灰狼,如 α,β,δ,w 被用来模拟领导阶层。此外，还实现了狩猎的三个主要步骤:寻找猎物、包围猎物和攻击猎物。
为了在设计GWO算法时对灰狼的社会等级进行数学建模,我们将最适解作为α .因此,第二和第三个最佳解决方案分别被命名为 β 和 δ .剩下的候选解被假定为 w .在GWO算法中,狩猎过程由 ，α，β 和 δ 引导. w 狼跟随这三只狼。
4.部分源码
......................................................................
%a=2-2*((i)/Max_iter); % 对每一次迭代，计算相应的a值，a decreases linearly fron 2 to 0
a=2-2*((1/(exp(1)-1))*(exp(i/Max_iter)-1));
% 包围猎物，位置更新
for i=1:size(Positions,1)
for j=1:size(Positions,2)
r1=rand(); % r1 is a random number in [0,1]
r2=rand(); % r2 is a random number in [0,1]
A1=2*a*r1-a; % 计算系数A，Equation (3.3)
C1=2*r2; % 计算系数C，Equation (3.4)
% Alpha狼位置更新
D_alpha=abs(C1*Alpha_pos(j)-Positions(i,j)); % Equation (3.5)-part 1
X1=Alpha_pos(j)-A1*D_alpha; % Equation (3.6)-part 1
r1=rand();
r2=rand();
A2=2*a*r1-a; % Equation (3.3)
C2=2*r2; % Equation (3.4)
% Beta狼位置更新
D_beta=abs(C2*Beta_pos(j)-Positions(i,j)); % Equation (3.5)-part 2
X2=Beta_pos(j)-A2*D_beta; % Equation (3.6)-part 2
r1=rand();
r2=rand();
A3=2*a*r1-a; % 计算系数A，Equation (3.3)
C3=2*r2; %计算系数C， Equation (3.4)
% Delta狼位置更新
D_delta=abs(C3*Delta_pos(j)-Positions(i,j)); % Equation (3.5)-part 3
X3=Delta_pos(j)-A3*D_delta; % Equation (3.5)-part 3
% 位置更新
Positions(i,j)=(X1+X2+X3)/3;% Equation (3.7)
end
for t=1:20 %次数
%1生成
cxl=rand(SearchAgents_no,dim);
end
for j=1:dim
cxl(j)=4*cxl(j)*(1-cxl(j)); %logic混沌方程
end
end
l=l+1;
Convergence_curve(l)=Alpha_score;
end
end
function Positions=initialization1(SearchAgents_no,dim,ub,lb)
Boundary_no= size(ub,2); % numnber of boundaries
for t=1:20 %次数
%1生成
cxl=rand(SearchAgents_no,dim);
for j=1:dim
if cxl(j)==0
cxl(j)=0.1;
end
if cxl(j)==0.25
cxl(j)=0.26;
end
if cxl(j)==0.5
cxl(j)=0.51;
end
if cxl(j)==0.75
cxl(j)=0.76;
end
if cxl(j)==1
cxl(j)=0.9;
end
end
end
if Boundary_no==1
Positions=cxl.*(ub-lb)+lb;
end
if Boundary_no>1
for i=1:dim
ub_i=ub(i);
lb_i=lb(i);
Positions(:,i)=cxl.*(ub_i-lb_i)+lb_i;
end
end
end
A528
