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

不了解蝙蝠算法可以先看看优化算法笔记（十五）蝙蝠算法
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。

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。

蝙蝠算法的个体有三个独有属性：速度、响度和脉冲频率。
蝙蝠算法个体
文件名：.. \optimization algorithm\algorithm_bat\BA_Unit.m

% 蝙蝠算法个体
classdef BA_Unit < Unit
    
    properties
        % 速度
        velocity;
        % 响度
        loudness;
        % 脉冲频率
        rates;
    end
    
    methods
        function self = BA_Unit()
        end
    end
    
end

蝙蝠算法算法主体
文件名：..\optimization algorithm\algorithm_bat\BA_Base.m

% 蝙蝠算法
classdef BA_Base  < Algorithm_Impl
    
    properties
        % 算法名称
        name = 'BA';
        % 最大频率
        frequency_max;
        % 最小频率
        frequency_min;
        % 最大响度
        loudness_max;
        % 最小响度
        loudness_min;
        % 响度衰减系数
        alpha;
        % 频率衰减指数
        gamma;
        
    end
    
    % 外部可调用的方法
    methods
        function self = BA_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 ='BA';
            self.frequency_max=1;
            self.frequency_min=0;
            self.loudness_max=2;
            self.loudness_min=1;
            self.alpha = 0.85;
            self.gamma = 0.9;
        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 = BA_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.loudness = unifrnd(self.loudness_min,self.loudness_max);
                unit.velocity = zeros(1,self.dim);
                unit.rates = 0.7;
                % 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)
            for i=1:self.size
                self.update_velocity(i);
                self.update_position(i,iter);
            end
        end
        
        % 更新速度
        function update_velocity(self,id)
            % 取得随机频率
            frequency = unifrnd(self.frequency_min,self.frequency_max,1,self.dim);
            % 计算速度
            new_velocity = self.unit_list(id).velocity+frequency.*(self.unit_list(id).position-self.position_best);
            % 保存速度
            self.unit_list(id).velocity = new_velocity;
        end
        
        % 更新位置
        function update_position(self,id,iter)
            % 计算新位置
            new_pos = self.unit_list(id).position + self.unit_list(id).velocity;
            % 越界检查
            new_pos = self.get_out_bound_value(new_pos);
            % 计算当前频率
            rates = (1-exp(-iter*self.gamma))*self.unit_list(id).rates;
            if(rand> rates)
                % 计算平均响度
                average_loudness = mean([self.unit_list.loudness]);
                % 计算位置
                new_pos = self.unit_list(id).position+average_loudness.*unifrnd(-1,1,1,self.dim);
                % 越界检查
                new_pos = self.get_out_bound_value(new_pos);
            end
            
            new_value = self.cal_fitfunction(new_pos);
            if(rand<self.unit_list(id).loudness && new_value> self.unit_list(id).value)
                self.unit_list(id).position = new_pos;
                self.unit_list(id).value = new_value;
            end
            % 更新响度
            self.unit_list(id).loudness = self.unit_list(id).loudness*self.alpha;
        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_bat\BA_Impl.m
算法实现，继承于Base,图方便也可不写，直接用BA_Base，这里为了命名一致。

% 蝙蝠算法实现
classdef BA_Impl < BA_Base
   
    % 外部可调用的方法
    methods
        function self = BA_Impl(dim,size,iter_max,range_min_list,range_max_list)
            % 调用父类构造函数设置参数
             self@BA_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_bat\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;

% 实例化蝙蝠算法类
base = BA_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)]);