引力搜索算法代码 matlab

以下是一个简单的引力搜索算法的 Matlab 代码示例：

function [best_pos, best_val] = gravity_search(f, dim, lb, ub, max_iter, npop, G0, alpha, beta)

% 参数说明：
% f: 目标函数
% dim: 变量的维度
% lb: 变量的下界
% ub: 变量的上界
% max_iter: 最大迭代次数
% npop: 种群数量
% G0: 引力常数
% alpha: 引力因子
% beta: 位置因子

% 初始化种群的位置和速度
pos = repmat(lb, npop, dim) + rand(npop, dim) .* (repmat(ub-lb, npop, 1));
vel = zeros(npop, dim);

% 计算每个个体的适应度值
val = feval(f, pos);

% 找到当前最优解
[best_val, best_idx] = min(val);
best_pos = pos(best_idx, :);

% 开始迭代
for iter = 1:max_iter
    % 计算每个个体之间的距离和引力
    dist = pdist2(pos, pos);
    G = G0 ./ (1 + alpha*dist);
    
    % 计算每个个体的总引力向量
    F = zeros(npop, dim);
    for i = 1:npop
        for j = 1:npop
            if i ~= j
                dir = (pos(j,:) - pos(i,:)) ./ dist(i,j);
                F(i,:) = F(i,:) + G(i,j) .* dir;
            end
        end
    end
    
    % 更新速度和位置
    vel = rand(npop, dim) .* vel + beta .* F;
    pos = pos + vel;
    
    % 边界处理
    pos = max(pos, repmat(lb, npop, 1));
    pos = min(pos, repmat(ub, npop, 1));
    
    % 计算每个个体的适应度值
    val = feval(f, pos);
    
    % 找到当前最优解
    [cur_best_val, cur_best_idx] = min(val);
    if cur_best_val < best_val
        best_val = cur_best_val;
        best_pos = pos(cur_best_idx, :);
    end
    
    % 显示迭代过程
    fprintf('Iteration %d: Best fitness = %f\n', iter, best_val);
end

end

该函数接受以下参数：

- f: 目标函数，可以是函数句柄、字符串或符号表达式。
- dim: 变量的维度。
- lb: 变量的下界。
- ub: 变量的上界。
- max_iter: 最大迭代次数。
- npop: 种群数量。
- G0: 引力常数。
- alpha: 引力因子。
- beta: 位置因子。

该函数的返回值为最优解的位置和适应度值。在该函数内部，我们首先初始化种群的位置和速度，然后计算每个个体之间的距离和引力，接着计算每个个体的总引力向量，更新速度和位置，并进行边界处理。最后，我们计算每个个体的适应度值，找到当前最优解，并显示迭代过程。