MATLAB的变色龙优化算法的代码

以下是MATLAB中实现变色龙优化算法的示例代码：

% 变色龙优化算法
% 问题：求解 f(x1,x2)=x1^2+x2^2 的最小值，其中 -10<=x1,x2<=10

%% 初始化
N = 50; % 种群大小
max_iter = 100; % 最大迭代次数
A = 0.5; % 跟踪速度因子
C = 1; % 捕食速度因子
S = 1; % 距离因子
X = rand(N,2)*20-10; % 随机生成初始种群
X_fitness = zeros(N,1); % 种群适应度
for i=1:N
    X_fitness(i) = X(i,1)^2 + X(i,2)^2; % 计算适应度
end

%% 迭代
for iter=1:max_iter
    % 计算每个个体的领袖 L
    L = zeros(N,2);
    for i=1:N
        % 计算个体 i 的邻居
        neighbor_idx = [1:i-1,i+1:N];
        % 在邻居中选择最优的个体作为领袖
        [~,idx] = min(X_fitness(neighbor_idx));
        L(i,:) = X(neighbor_idx(idx),:);
    end
    
    % 跟踪
    for i=1:N
        r1 = rand; r2 = rand;
        X(i,:) = X(i,:) + A*r1*(L(i,:) - X(i,:));
        X(i,:) = max(X(i,:),-10*ones(1,2)); % 限制变量范围
        X(i,:) = min(X(i,:),10*ones(1,2)); % 限制变量范围
    end
    
    % 捕食
    for i=1:N
        r1 = rand; r2 = rand;
        L_rand = X(randperm(N,1),:); % 随机选择一个个体
        X(i,:) = X(i,:) + C*r2*(L_rand - X(i,:));
        X(i,:) = max(X(i,:),-10*ones(1,2)); % 限制变量范围
        X(i,:) = min(X(i,:),10*ones(1,2)); % 限制变量范围
    end
    
    % 改变颜色
    for i=1:N
        r1 = rand; r2 = rand;
        L_rand = X(randperm(N,1),:); % 随机选择一个个体
        dist = norm(L_rand - X(i,:)); % 计算距离
        X(i,:) = X(i,:) + S*r1*(L_rand - X(i,:))/dist;
        X(i,:) = max(X(i,:),-10*ones(1,2)); % 限制变量范围
        X(i,:) = min(X(i,:),10*ones(1,2)); % 限制变量范围
    end
    
    % 更新适应度
    for i=1:N
        X_fitness(i) = X(i,1)^2 + X(i,2)^2;
    end
    
    % 显示当前迭代次数和最优解
    [~,idx] = min(X_fitness);
    fprintf('迭代次数：%d，最优解：%f\n', iter, X_fitness(idx));
end

% 显示最优解和最优解对应的变量值
[~,idx] = min(X_fitness);
fprintf('最优解：%f\n', X_fitness(idx));
fprintf('最优解对应的变量值：x1=%f，x2=%f\n', X(idx,1), X(idx,2));

在上面的代码中，首先初始化种群，并计算每个个体的适应度。然后进行迭代，每次迭代分别进行跟踪、捕食和改变颜色操作，并更新种群适应度。最后显示最优解和最优解对应的变量值。