麻雀搜索算法解决四维问题的matlab代码

麻雀搜索算法是一种新近提出的智能优化算法，它模拟了麻雀在寻找食物和栖息地时的行为方式。下面是使用麻雀搜索算法解决四维问题的MATLAB代码：

% 定义目标函数
f = @(x) x(1)^2 + x(2)^2 + x(3)^2 + x(4)^2;

% 设置算法参数
n = 20; % 麻雀群体规模
max_iter = 100; % 最大迭代次数
c1 = 1; % 自我认知因子
c2 = 1; % 社会经验因子
w = 0.8; % 惯性权重
a = 2; % 麻雀搜索范围参数
lb = [-10, -10, -10, -10]; % 变量下界
ub = [10, 10, 10, 10]; % 变量上界

% 初始化麻雀群体位置和速度
x = rand(n, 4) .* (ub - lb) + lb;
v = rand(n, 4) .* (ub - lb) - (ub - lb) / 2;

% 计算初始最优解和最优适应度值
pbest = x;
pbest_f = zeros(n, 1);
for i = 1:n
    pbest_f(i) = f(pbest(i, :));
end
[gbest_f, gbest_idx] = min(pbest_f);
gbest = pbest(gbest_idx, :);

% 开始迭代
for iter = 1:max_iter
    % 更新麻雀速度和位置
    for i = 1:n
        v(i, :) = w * v(i, :) + c1 * rand(1, 4) .* (pbest(i, :) - x(i, :)) + c2 * rand(1, 4) .* (gbest - x(i, :));
        x(i, :) = x(i, :) + v(i, :);
        
        % 随机调整麻雀位置，模拟麻雀在搜索范围内的飞行
        for j = 1:4
            if x(i, j) < lb(j)
                x(i, j) = lb(j) + a * (lb(j) - x(i, j));
            elseif x(i, j) > ub(j)
                x(i, j) = ub(j) + a * (x(i, j) - ub(j));
            end
        end
    end
    
    % 更新最优解和最优适应度值
    for i = 1:n
        fval = f(x(i, :));
        if fval < pbest_f(i)
            pbest(i, :) = x(i, :);
            pbest_f(i) = fval;
        end
    end
    [cur_f, cur_idx] = min(pbest_f);
    if cur_f < gbest_f
        gbest_f = cur_f;
        gbest = pbest(cur_idx, :);
    end
    
    % 显示当前迭代信息
    fprintf('Iteration %d: gbest_f = %f\n', iter, gbest_f);
end

% 输出最优解和最优适应度值
fprintf('Optimal solution: x = [%f, %f, %f, %f], f(x) = %f\n', gbest, gbest_f);

这段代码实现了麻雀搜索算法来求解一个四维的目标函数，其中变量的取值范围为 [-10, 10]，算法参数需要根据实际问题进行调整。在迭代过程中，每次更新麻雀位置时，都会随机调整位置，以模拟麻雀在搜索范围内的飞行。最后输出最优解和最优适应度值。