基于MATLAB的变色龙优化算法代码

以下是基于MATLAB的变色龙优化算法代码示例：

%% 变色龙优化算法代码示例
clc;
clear;
% 初始化参数
pop = 30; % 种群规模
dim = 10; % 搜索维度
max_iter = 500; % 最大迭代次数
lb = -10; % 搜索下界
ub = 10; % 搜索上界

% 初始化种群
x = zeros(pop,dim);
for i = 1:pop
    x(i,:) = lb + (ub-lb)*rand(1,dim);
end

% 初始化变色龙参数
p = 0.5; % 概率因子
s = 0.5; % 步长因子

% 计算适应度值
fit = zeros(pop,1);
for i = 1:pop
    fit(i) = sum(x(i,:).^2);
end

% 记录最优解
[best_val,idx] = min(fit);
best_sol = x(idx,:);

% 迭代搜索
for iter = 1:max_iter
    % 变色龙搜索
    for i = 1:pop
        % 随机选择两个个体
        idx1 = randi(pop);
        idx2 = randi(pop);
        while idx2 == idx1
            idx2 = randi(pop);
        end
        % 计算中心点
        center = (x(idx1,:) + x(idx2,:))/2;
        % 计算新位置
        step = s*abs(best_sol - x(i,:));
        rand_step = s*rand(1,dim).*(best_sol - x(i,:));
        x_new = center + p*step.*rand_step;
        % 边界处理
        x_new(x_new<lb) = lb;
        x_new(x_new>ub) = ub;
        % 更新适应度值
        fit_new = sum(x_new.^2);
        if fit_new < fit(i)
            x(i,:) = x_new;
            fit(i) = fit_new;
        end
    end
    % 更新最优解
    [best_val,idx] = min(fit);
    best_sol = x(idx,:);
    % 输出结果
    fprintf('Iteration %d: Best Value = %f\n',iter,best_val);
end

在该代码中，首先初始化种群，然后计算适应度值。之后，迭代进行变色龙搜索，更新种群的位置，并计算新的适应度值。在每次迭代结束后，更新最优解，并输出结果。