Skip to content

fengwm64/Intelligent-Optimization-Labs

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

1 Commit
 
 
 
 
 
 
 
 

Repository files navigation

Intelligent-Optimization-Labs

Intelligent-Optimization-Labs 是一个基于 MATLAB 实现的智能优化算法实验项目,包含遗传算法(Genetic Algorithm, GA)和萤火虫算法(Firefly Algorithm, FA)的实现及其可视化功能。

简介

该项目包含两种经典的智能优化算法:遗传算法和萤火虫算法的实现和可视化。

算法介绍

遗传算法(GA)

遗传算法是一种模拟自然进化过程的全局优化算法。它通过选择、交叉和变异等操作迭代生成下一代种群,逐步逼近最优解。

  • 初始化种群:通过设定种群大小和变量范围,随机生成初始种群。
  • 选择算子:使用轮盘赌或锦标赛选择等方法筛选适应度较高的个体。
  • 交叉算子:对选中的个体进行交叉操作,生成新个体。
  • 变异算子:在一定概率下对个体进行变异,增强种群多样性。
  • 可视化:展示种群在搜索空间中的变化,以及每代最优个体的适应度变化。

萤火虫算法(FA)

萤火虫算法是一种基于生物萤火虫发光特性设计的优化算法。萤火虫个体通过亮度和吸引力相互影响,从而找到全局最优解。

  • 初始化:生成随机分布的萤火虫个体。
  • 吸引力:较亮的萤火虫吸引较暗的萤火虫,个体通过移动进行解空间探索。
  • 光强衰减:根据距离和亮度进行动态调整,防止过早收敛。
  • 可视化:实时展示萤火虫群体在解空间中的位置变化,以及最优解的动态更新。

About

My Undergraduate Experiment Code of Intelligent Optimization Course

Topics

Resources

Stars

Watchers

Forks

Languages