狼群优化算法WPA的Matlab代码

以下是狼群优化算法WPA的Matlab代码：

% 狼群优化算法WPA的Matlab代码
% 作者：CSDN开发者ChitGPT

function [bestSol, bestFit] = WPA(fitnessFunc, dim, lb, ub, maxIter, wolfNum, alpha, beta)

% 参数说明：
% fitnessFunc：适应度函数
% dim：问题的维度
% lb：问题的下界
% ub：问题的上界
% maxIter：最大迭代次数
% wolfNum：狼群数量
% alpha：狼群中猛犸象的影响力
% beta：狼群中灰狼的影响力

% 初始化狼群
wolf = rand(wolfNum, dim) .* (ub - lb) + lb;
wolfFit = feval(fitnessFunc, wolf);
[~, bestIdx] = min(wolfFit);
bestSol = wolf(bestIdx, :);
bestFit = wolfFit(bestIdx);

% 迭代搜索
for iter = 1 : maxIter
    % 更新每只狼的位置
    for i = 1 : wolfNum
        % 计算狼群中每只狼与最优解之间的向量
        delta = bestSol - wolf(i, :);
        % 计算狼群中每只狼与猛犸象之间的向量
        lambda = rand(1, dim) .* (2 * alpha) - alpha;
        % 计算狼群中每只狼与灰狼之间的向量
        gamma = rand(1, dim) .* (2 * beta) - beta;
        % 更新狼的位置
        wolf(i, :) = wolf(i, :) + lambda .* delta + gamma;
        % 边界处理
        wolf(i, wolf(i, :) < lb) = lb(wolf(i, :) < lb);
        wolf(i, wolf(i, :) > ub) = ub(wolf(i, :) > ub);
    end
    
    % 更新最优解
    wolfFit = feval(fitnessFunc, wolf);
    [~, bestIdx] = min(wolfFit);
    if wolfFit(bestIdx) < bestFit
        bestSol = wolf(bestIdx, :);
        bestFit = wolfFit(bestIdx);
    end
    
    % 显示当前迭代次数和最优解
    disp(['Iteration ' num2str(iter) ': Best Fitness = ' num2str(bestFit)]);
end

end

使用方法：

1. 定义适应度函数，例如：

function fit = fitnessFunc(x)
fit = sum(x .^ 2);
end

2. 调用WPA函数进行搜索，例如：

[bestSol, bestFit] = WPA(@fitnessFunc, 10, -5, 5, 100, 30, 1, 2);

该语句表示使用适应度函数fitnessFunc，搜索10维问题，搜索范围为[-5, 5]，最大迭代次数为100，狼群数量为30，猛犸象影响力为1，灰狼影响力为2。搜索结果将保存在bestSol和bestFit中。