1 簡(jiǎn)介

Multi-tracker Optimization Algorithm（MTOA）是一種新的基于計(jì)算種群的優(yōu)化算法，它是基于迄今為止介紹的其他進(jìn)化優(yōu)化算法的優(yōu)缺點(diǎn)而設(shè)計(jì)的。?這種被稱為“多跟蹤器優(yōu)化算法”的新算法，由于其內(nèi)部跟蹤器的多級(jí)結(jié)構(gòu)，具有一些獨(dú)特的特點(diǎn)，例如提高最佳點(diǎn)的準(zhǔn)確性和收斂后連續(xù)局部搜索以逃避 局部最小值同時(shí)。?該算法的另一個(gè)重要優(yōu)點(diǎn)是優(yōu)化時(shí)變動(dòng)力學(xué)問(wèn)題并跟蹤最佳點(diǎn)。?這些特性使得該算法對(duì)于優(yōu)化問(wèn)題非常有效，尤其是在工程領(lǐng)域。

2 部分代碼

%============================================================================%% ? ? ? ? ? ? ? Multi-tracker Optimization Algorithm (MTOA) ? ? ? ? ? ? ? ? ?% % ? ?======================%clearclcclose allformat long%=======================初始化 MTOA 參數(shù)=====================Fcn_Name='TestFcn'; % 優(yōu)化問(wèn)題函數(shù)Min=zeros(1,2).'; Max=ones(1,2).'; Par_Interval=[Min Max]; % ?搜索空間限制No_GTs=20; % ?全球追蹤器數(shù)量No_LTs=4; % 本地跟蹤器數(shù)量%---------- 等效人口 = 100RM=sqrt(2); % 最大搜索半徑Rm=1e-4; % 最小搜索半徑Max_Itr=200; %最大迭代Beta=.95; % BetaLambda=2; % LambdaTheta=pi/8; % Theta%==============================圖形選項(xiàng)============================TwoDGraphic_on=0; % （0 或 1） % 如果啟用此選項(xiàng)（TwoDGraphic_on=1），將顯示本地和全局搜索過(guò)程。%============================MTOA 函數(shù)運(yùn)行===========================[GOP_Cost,GOP]=MTOA(Fcn_Name,Par_Interval,No_GTs,No_LTs,RM,Rm,Max_Itr,Beta,Lambda,Theta,TwoDGraphic_on);%========= ? ==================Solution==================================disp('Solution=')disp(GOP);

3 仿真結(jié)果

4 參考文獻(xiàn)

Zakeri, E., Moezi, S.A., Bazargan-Lari, Y.?et al.?Multi-tracker Optimization Algorithm: A General Algorithm for Solving Engineering Optimization Problems.?Iran J Sci Technol Trans Mech Eng?41,?315–341 (2017). https://doi.org/10.1007/s40997-016-0066-9

博主簡(jiǎn)介：擅長(zhǎng)智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、信號(hào)處理、元胞自動(dòng)機(jī)、圖像處理、路徑規(guī)劃、無(wú)人機(jī)等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問(wèn)題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻(xiàn)，若有侵權(quán)聯(lián)系博主刪除。