蝙蝠算法优化源代码

clc;
close all;

nSize=10;  % 蝙蝠个体数

N_gen=1000;  % 总迭代次数

% This frequency range determines the scalings. You should change these values if necessary
Qmin=0;         % Frequency minimum
Qmax=2;         % Frequency maximum
 
% Iteration parameters  迭代参数
N_iter=0;       % Total number of function evaluations  功能评价总数
% Dimension of the search variables    搜索维数
Dim=2;           % Number of dimensions
 
ALoud=1+rand（nSize1）;    % Loudness  （constant or decreasing）响度，按照p8要求产生[12]的随机数
r=rand（nSize1）;      % Pulse rate （constant or decreasing）脉冲率设置为[01]的随机数
afa = 0.85;           %响度弱化速率
rta = 0.9;           %脉冲率增强系数
r0 = r;
tol = 1e-9;          %最小的计算误差

% Lower limit/bounds/ a vector
Lb=-2*ones（1Dim）;   
% Upper limit/bounds/ a vector
Ub=2*ones（1Dim）;

% Initializing arrays  初始化数组
Q=zeros（nSize1）;   % Frequency 频率
v=zeros（nSizeDim）;   % Velocities 速度

Sol = zeros（nSizeDim）; 
Fitness = zeros（nSize1）;
MinVal = zeros（N_gen1）;

% Initialize the population/solutions
for i=1:nSize
  Sol（i:）=Lb+（Ub-Lb）.*rand（1Dim）;  %rand（m*n）会生成  m*n的矩阵，矩阵元素是[010]随机数
  Fitness（i）=Fun（Sol（i:））;
end
% Find the initial best solution
[fminiBest]=min（Fitness）;   %iBest记录取得fmin的Fitness的位置，而这位置正是Sol中解的位置；fmin是Fitness中最小的值
best=Sol（iBest:）;           %记录最好的解
 
% Start the iterations -- Bat Algorithm （essential part）  %
itr = 0;  %统计进化的