注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
1.代码实现
不了解万有引力算法可以先看看优化算法笔记（十七）万有引力算法
实现代码前需要先完成优化算法matlab实现（二）框架编写中的框架的编写。
| 文件名 | 描述 |
|---|---|
| ..\optimization algorithm\frame\Unit.m | 个体 |
| ..\optimization algorithm\frame\Algorithm_Impl.m | 算法主体 |
以及优化算法matlab实现（四）测试粒子群算法中的测试函数、函数图像的编写。
| 文件名 | 描述 |
|---|---|
| ..\optimization algorithm\frame\Get_Functions_details.m | 测试函数，求值用 |
| ..\optimization algorithm\frame\func_plot.m | 函数图像，画图用 |
万有引力算法的个体有三个独有属性：速度、质量和加速度。
万有引力算法个体
文件名：.. \optimization algorithm\algorithm_gravitational_search\GSA_Unit.m
% 万有引力算法个体
classdef GSA_Unit < Unit
properties
% 速度
velocity;
% 加速度
acc;
% 质量
mass;
end
methods
function self = GSA_Unit()
end
end
end
万有引力算法算法主体
文件名：..\optimization algorithm\algorithm_gravitational_search\GSA_Base.m
% 万有引力算法
classdef GSA_Base < Algorithm_Impl
properties
% 算法名称
name = 'GSA';
% 重力加速度
G;
end
% 外部可调用的方法
methods
function self = GSA_Base(dim,size,iter_max,range_min_list,range_max_list)
% 调用父类构造函数
self@Algorithm_Impl(dim,size,iter_max,range_min_list,range_max_list);
self.name ='GSA';
% 初始加速度
self.G = 100;
end
end
% 继承重写父类的方法
methods (Access = protected)
% 初始化种群
function init(self)
init@Algorithm_Impl(self)
%初始化种群
for i = 1:self.size
unit = GSA_Unit();
% 随机初始化位置：rand(0,1).*(max-min)+min
unit.position = unifrnd(self.range_min_list,self.range_max_list);
% 计算适应度值
unit.value = self.cal_fitfunction(unit.position);
unit.mass = 0;
unit.velocity = zeros(1,self.dim);
unit.acc = zeros(1,self.dim);
% 将个体加入群体数组
self.unit_list = [self.unit_list,unit];
end
end
% 每一代的更新
function update(self,iter)
update@Algorithm_Impl(self,iter)
% 更新质量
self.update_mass();
% 更新加速度
self.update_acc(iter);
% 更新速度
self.update_velocity();
% 更新位置
self.update_position();
end
% 更新质量
function update_mass(self)
sum_mass = 0;
[value,index] = sort([self.unit_list.value],'descend');
best_value = value(1);
worst_value = value(end);
% 计算各个个体的质量
for i = 1:self.size
self.unit_list(i).mass = (self.unit_list(i).value-worst_value+realmin('double'))/(best_value-worst_value+realmin('double'));
sum_mass = sum_mass + self.unit_list(i).mass;
end
% 将质量归一化
for i = 1:self.size
self.unit_list(i).mass = self.unit_list(i).mass/sum_mass;
end
end
% 更新加速度
function update_acc(self,iter)
cur_G = self.G*exp(-20*iter/self.iter_max);
for i = 1:self.size
new_acc = zeros(1,self.dim);
for j = 1:self.size
if(i==j)
continue
end
% 计算两个体距离
distance = sqrt(sum((self.unit_list(i).position-self.unit_list(j).position).^2));
% 根据距离，位置，质量计算加速度
new_acc = new_acc+self.unit_list(j).mass*unifrnd(0,1,1,self.dim).*(self.unit_list(j).position-self.unit_list(i).position)/(distance+realmin('double'));
end
new_acc = new_acc*cur_G;
self.unit_list(i).acc = new_acc;
end
end
% 更新速度
function update_velocity(self)
for i = 1:self.size
self.unit_list(i).velocity = unifrnd(0,1,1,self.dim).*self.unit_list(i).velocity + self.unit_list(i).acc;
end
end
% 更新位置
function update_position(self)
for i = 1:self.size
new_pos = self.unit_list(i).velocity + self.unit_list(i).position;
new_pos = self.get_out_bound_value(new_pos);
new_value = self.cal_fitfunction(new_pos);
self.unit_list(i).position = new_pos;
self.unit_list(i).value = new_value;
end
end
% 获取当前最优个体的id
function best_id=get_best_id(self)
% 求最大值则降序排列
[value,index] = sort([self.unit_list.value],'descend');
best_id = index(1);
end
end
end
文件名：..\optimization algorithm\algorithm_gravitational_search\GSA_Impl.m
算法实现，继承于Base,图方便也可不写，直接用GSA_Base，这里为了命名一致。
% 万有引力算法实现
classdef GSA_Impl < GSA_Base
% 外部可调用的方法
methods
function self = GSA_Impl(dim,size,iter_max,range_min_list,range_max_list)
% 调用父类构造函数设置参数
self@GSA_Base(dim,size,iter_max,range_min_list,range_max_list);
end
end
end
2.测试
测试F1
文件名：..\optimization algorithm\algorithm_gravitational_search\Test.m
%% 清理之前的数据
% 清除所有数据
clear all;
% 清除窗口输出
clc;
%% 添加框架路径
% 将上级目录中的frame文件夹加入路径
addpath('../frame')
%% 选择测试函数
Function_name='F1';
% [最小值，最大值，维度，测试函数]
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);
%% 算法实例
% 种群数量
size = 50;
% 最大迭代次数
iter_max = 1000;
% 取值范围上界
range_max_list = ones(1,dim)*ub;
% 取值范围下界
range_min_list = ones(1,dim)*lb;
% 实例化万有引力算法类
base = GSA_Impl(dim,size,iter_max,range_min_list,range_max_list);
% 告诉算法求不是求最大值
base.is_cal_max = false;
% 确定适应度函数
base.fitfunction =fobj;
% 运行
base.run();
%% 绘制图像
figure('Position',[500 500 660 290])
% Draw search space
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])
% Draw objective space
subplot(1,2,2);
% 绘制曲线
semilogy(base.value_best_history,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
% 将坐标轴调整为紧凑型
axis tight
% 添加网格
grid on
% 四边都显示刻度
box off
legend(base.name)
display(['The best solution obtained by ',base.name ,' is ', num2str(base.value_best)]);
display(['The best optimal value of the objective funciton found by ',base.name ,' is ', num2str(base.position_best)]);
