鸡群算法CSOmatlab程序代码

% -------------------------------------------------------------------------
% Chicken Swarm Optimization （CSO） （demo）
% Programmed by Xian-Bing Meng
% Updated at Jun 21 2015.    
% Email: x.b.meng12@gmail.com
%
% This is a simple demo version only implemented the basic idea of CSO for        
% solving the unconstrained problem namely Sphere function.    
% The details about CSO are illustratred in the following paper.                                                
% Xian-Bing Meng et al. A new bio-inspired algorithm: Chicken Swarm 
%    Optimization. The Fifth International Conference on Swarm Intelligence 
%
% The parameters in CSO are presented as follows.
% FitFunc    % The objective function
% M          % Maxmimal generations （iterations）
% pop        % Population size
% dim        % Dimension
% G          % How often the chicken swarm can be updated.
% rPercent   % The population size of roosters accounts for “rPercent“ 
%   percent of the total population size
% hPercent   % The population size of hens accounts for “hPercent“ percent 
%  of the total population size
% mPercent   % The population size of mother hens accounts for “mPercent“ 
%  percent of the population size of hens
%
% Using the default valueCSO can be executed using the following code.
% [ bestX fMin ] = CSO
% -------------------------------------------------------------------------
 
%*************************************************************************
% Revision 1
% Revised at May 23 2015
% 1.Note that the previous version of CSO doen‘t consider the situation 
%   that there maybe not exist hens in a group. 
%   We assume there exist at least one hen in each group.

% Revision 2
% Revised at Jun 24 2015
% 1.Correct an error at line “100“.
%*************************************************************************

% Main programs

function [ bestX fMin ] = CSO（ FitFunc M pop dim G rPercent hPercent mPercent ）
% Display help
help CSO.m
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% set the default parameters
if nargin < 1
    FitFunc = @Sphere;
    M = 1000;  
    pop = 100;  
    dim = 20;  
    G = 10;       
    rPercent = 0.15; 
    hPercent = 0.7;  
    mPercent = 0.5;                  
end

rNum = round（ pop * rPercent ）;    % The population size of roosters
hNum = round（ pop * hPercent ）;    % The population size of hens
cNum = pop - rNum - hNum;          % The population size of chicks
mNum = round（ hNum * mPercent ）;   % The population size of mother hens

lb= -100*ones（ 1dim ）;   % Lower bounds
ub= 100*ones（ 1dim ）;    % Upper bounds

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Initialization
for i = 1 : pop
    x（ i : ） = lb + （ub - lb） .* rand（ 1 dim ）; 
    fit（ i ） = FitFunc（ x（ i : ） ）; 
end
pFit = fit; % The individual‘s best fitness value
pX = x;     % The individual‘s best position correspondi