文件名称：狐獴家族算法代码（修正）
文件大小：2KB
文件格式：RAR
更新时间：2021-10-13 11:07:39
狐獴 Matlab 群智能算法
根据狐獴种群生活习性，并从中受到启发，三位原作者由此开发出狐獴算法。现在假设有一个狐獴种群，总的个体数量为n，先初始化所有的相关参数，并根据适应度函数计算所有个体的适应度值，选择适应度值最优者为哨兵，其数量为1。接下来， 剩余子群数量为（n-1），将剩余子群随机划分成两部分——觅食子群和保姆子群。 其次，将觅食子群个体进行更新，使得其整体质量要优于保姆子群，这一点也是符合狐獴种群的生活习性特征的。觅食子群中每一个个体从其本身产生邻域，并计算邻域的适应度值，若其优于该个体，则替换该个体；否则，从哨兵个体产生邻域，同理，并计算邻域的适应度值，若其优于该个体，则替换该个体，否则，将哨兵赋值给该个体。这样，觅食子群整体变得较优。 再根据计算适应度值和觅食子群和保姆子群的弱劣比例，选出觅食子群中弱劣个体，并用保姆子群中的最优个体替换觅食子群中弱劣个体；而后，随机产生一组新个体来替换保姆子群中的弱劣个体。这样，觅食子群中的个体质量明显要优于保姆子群中的个体。 最后，再根据适应度值选出这时觅食子群中的最优个体，若其优于哨兵，将其赋值给哨兵即是。当然，上述这些步骤要循环进行，直至终止条件结束。那么，哨兵即是我们最后所要找的最优个体。（本代码在原代码上做了修改，以30维的Sphere函数测试效果更加良好）
【文件预览】：
狐獴家族算法代码
----Code.m(5KB)
----func.m(167B)