（ 人工蜂群算法求解无约束优化问题matlab源码+求解问题无误版

压缩包中分为两部分，一部分为全局优化问题，另一部分为matlab源代码，每个代码块都有大量的注释，很简明，用户也可用本代码求解其他无约束优化问题。

function gy =ABC_Algorithm（Food_Numlimitmax_iterDobjfunLowerUpperr）
%% 变量解释
% -----------------------------------------------------------------------------------------
% NP 蜂群大小 （雇佣峰+观察峰）*/
% FoodNumber为食物源数量 = 蜂群/2
% limit为食物源遗弃条件
% max_iter   % 搜索次数
%Foods [FoodNumber][D]; /*Foods[食物源数量][D维待优化参数].
%ObjVal[FoodNumber];    /*每个食物源的目标函数值
%Fitness[FoodNumber];   /*每个食物源的适应度值（质量）
%trial[FoodNumber];      /*每个解没有被提高的次数*/
%prob[FoodNumber];       /*食物源被选择的概率
%New_solution [D];           /*新解有公式产生 v{ij}=x{ij}+a{ij}*（x{kj}-x{ij}） j是一个随机参数且k与i不同*/
%ObjValSol;              /*新解的目标函数值
%FitnessSol;              /*新解的适应度值
%neighbour param2change; /*param2change与j对应 neighbour与k对应在公式v_{ij}=x_{ij}+\phi_{ij}*（x_{kj}-x_{ij}）中*/
%GlobalMin; /*ABC算法的最优解*/
%GlobalParams[D]; /*最优解的参数*/
%GlobalMins[runtime]; /*在多次运行后得每次最优解
%---------------------------------------------------------------------------

U_bound =ones（1D）*Upper;%32.768;      %参数的下界
L_bound =ones（1D）*Lower;%32.768   %参数的上界

Foods_min=ones（max_iterD）;
Select_P=zeros（1Food_Num）;

Range = repmat（（U_bound-L_bound）[Food_Num 1]）;% 变量范围
Lower = repmat（L_bound [Food_Num 1]）;
Foods = rand（Food_NumD）.* Range + Lower;              % 食物源初始化;

Obj_Val=feval（objfunFoods）;                              %目标函数值
Fitness=Cal_Fitness（Obj_Val）;                        %适应度值
Global_Min=ones（1max_iter）;   %每次迭代最优解
trial=zeros（1Food_Num）;    %重置计数器

%------------记录最好的食物源---------
Best_Ind=find（Obj_Val==min（Obj_Val））;
Best_Ind=Best_Ind（end）;
GlobalMin_iter=Obj_Val（Best_Ind）;
GlobalParams=Foods（Best_Ind:）;

%% 迭代开始
iter=1;
while iter <= max_iter
    %%  %%%%%%%%%%%%%雇佣峰（侦查蜂）阶段 %%%%%%%%%%%%%%
    for i=1:（Food_Num）
        Param2Change=fix（rand*D）+1;         % 参数是随机改变
        neighbour=fix（rand*（Food_Num））+1;   % 随机选择的解用于产生解i的变异解
        
        while（neighbour==i） %随机选择一个与解i不同的解
            neighbour=fix（rand*（Food_Num））+1;
        end
        New_sol=Foods（i:）;
        %%  /*产生新解*/
        
        New_sol（Param2Change）=Foods（iParam2Change）+（Foods（iParam2Change）-Foods（neighbourParam2Change））*（rand-0.5）*2;
        New_sol=bound_limit（New_solL_boundU_bound）;% 边界值处理
        
        %% /*计算新解*/
        
        ObjVal_Sol=feval（objfunNew_sol）;
        Fitness_Sol=Cal_Fitness（ObjVal_Sol）;
        
        %% /*贪婪算法*/
        
        if （Fitness_Sol > Fitness（i））   %if新解优于解i，则替代i解
            Foods（i:）=New_sol;
            Fitness（i）=Fitness_Sol;
            Obj_Val（i）=ObjVal_Sol;
            trial（i）=0;
        else
            trial（i）=trial（i）+1; %如果解i没有提高trial+1
        end
        %% %%%%%%%%%%%%%%%%% 计算概率 %%%%%%%%%%%%%
        
        %食物源是根据概率（质量）被选择的
        Pro=2;
        switch Pro
            case 1
                Select_P（i）=Fitness（i）/sum（Fitness）;
            case 2
                Select_P（i）=（0.9.*Fitness（i）./max（Fitness））+0.1;
        end
    end
    %% %%%%%%%%%%%%%% 观察蜂阶段 %%%%%%%%%%
    
    i=1;
    

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       5961  2016-06-22 20:54  人工蜂群算法求解无约束优化问题\ABC_Algorithm.m

     文件        214  2016-06-22 18:42  人工蜂群算法求解无约束优化问题\bound_limit.m

     文件        201  2016-06-22 18:42  人工蜂群算法求解无约束优化问题\Cal_Fitness.m

     文件        273  2016-06-11 19:18  人工蜂群算法求解无约束优化问题\Problem1.m

     文件        100  2016-06-11 18:51  人工蜂群算法求解无约束优化问题\Problem2.m

     文件        326  2016-06-22 09:39  人工蜂群算法求解无约束优化问题\Problem3.m

     文件       1074  2017-12-27 22:53  人工蜂群算法求解无约束优化问题\run_ABC.m

     文件     164352  2017-12-27 22:54  人工蜂群算法求解无约束优化问题\遗传算法求解结果.doc

     目录          0  2017-12-27 22:55  人工蜂群算法求解无约束优化问题

----------- ---------  ---------- -----  ----

               172501                    9