【优化求解】基于鸟群算法(Bird Swarm Algorithm)求解单目标最优matlab代码

1 简介

鸟群算法( bird swarm alogrithm，BSA) 是由 Meng 等人于 2015 年提出的一种基于鸟群行为的群智能优化算法，其思想源于鸟群的飞行、觅食和警戒三个主要群体行为，BSA算法依赖飞行行为跳出局部最优进行全局搜索，通过觅食行为记录个体和群体最好的解，通过觅食行为和警戒行为的随机切换搜索当前局部的最优解，而通过飞行间隔 FQ 来平衡算法全局搜索和局部搜索的能力。

鸟群算法是对鸟群群体行为和群体互动的简化，它模仿的是鸟群的飞行行为、觅食行为和警戒行为，并用这种群体智慧解决最优化问题。鸟群算法可以被如下规则简化描述: 

a) 鸟群中的每只鸟可以在觅食和警戒行为之间随机切换。

b) 觅食期间，每只鸟可以迅速记录与更新个体和群体之间最好的觅食经验，这个经验将用于觅食，群体信息将即刻共享于整个鸟群。

c) 保持警戒的时候，每只鸟都试图向群体中心靠近，而具有较高食物储量的鸟类更倾向于向群体中心靠近。 

d) 鸟类可以周期性地向其他位置移动。当移动到另一个位置时，鸟类一般要在生产者和乞讨者之间作出选择，具有最高食物储量的鸟将成为生产者，而具有最低食物储量的鸟将成为乞讨者，其他鸟将随机选择成为生产者和乞讨者。 e) 生产者积极寻觅食物，乞讨者随机跟随一个生产者寻找食物。

2 部分代码

clc
clear all
close all
FitFunc = @Sphere;
M = 1000;
pop = 30;
dim = 20;
FQ = 10;
c1 = 1.5;
c2 = 1.5;
a1 = 1;
a2 = 1;
[ bestX, fMin ,yy] = BSA( FitFunc, M, pop, dim, FQ, c1, c2, a1, a2 );
figure(1)
% plot(BestCosts,'LineWidth',2);
semilogy(yy,'LineWidth',2);
xlabel('Iteration');
ylabel('Best Cost');
grid on;
img =gcf;  %获取当前画图的句柄
print(img, '-dpng', '-r600', './运行结果.png')         %即可得到对应格式和期望dpi的图像

3 仿真结果

4 参考文献

[1]曾嶒等. "基于鸟群算法的微电网多目标运行优化." 电力系统保护与控制 13(2016):117-122.​