磷虾群优化算法加入模拟退火思想和遗传学思想

% Krill Herd Algorithm V 1.1
% By Amir H. Gandomi （a.h.gandomi@gmail.com）

% Main paper:
% Gandomi A.H. Alavi A.H. Krill Herd: A New Bio-Inspired Optimization Algorithm.
% Communications in Nonlinear Science and Numerical Simulation 
% 2012 17 （12）:4831-4845.
% DOI: 10.1016/j.cnsns.2012.05.010

% Boundary Constraint Handling Scheme used in this code:
% Gandomi A.H. Yang X.S. “Evolutionary Boundary Constraint Handling Scheme“
% Neural Computing & Applications 2012 21（6）:1449-1462.
% DOI: 10.1007/s00521-012-1069-0

function KH
clc; close all; clear all
format long % long fixed-decimal format 15bit

%% Initial Parameter Setting
NR = 10;                                  % Number if Runs 
NK = 25; 						     	  % Number if Krills  初始化种群粒子个数
MI = 200; 		                          % Maximum Iteration 最大迭代次数 
C_flag = 1;                               % Crossover flag [Yes=1]

% Bounds （Normalize search space in case of highly imbalanced search space）
% 在高度不平衡的搜索空间情况下归一化搜索空间
UB = 10*ones（110）;
LB = -10*ones（110）;

NP = length（LB）; % Number if Parameter（s） 粒子的参数的个数
Dt = mean（abs（UB-LB））/2; % Scale Factor  delta t 速度向量的缩放因子

F = zeros（NPNK）;D = zeros（1NK）;N = zeros（NPNK）; %R = zeros（NPNK）;
Vf = 0.02; %最大觅食速度 measured values
Dmax = 0.005;%最大随机扩散速度
Nmax = 0.01;%最大诱导速度
Sr = 0;
%% Optimization & Simulation
for nr = 1:NR
    %% Initial Krills positions
    for z1 = 1:NP%%初始化种群粒子参数
        X（z1:） = LB（z1） + （UB（z1） - LB（z1））.*rand（1NK）;
    end
    %% 评价每个粒子的适应度值
    for z2 = 1:NK
        K（z2）=cost（X（:z2））;
    end
    %% 
    Kib=K;%Kib:best fitness number of ith krill
    Xib=X;%Xib:best visited position of ith krill
    [Kgb（1nr） A] = min（K）;%current best fitness value of X at round nr
    Xgb（:1nr） = X（:A）;%current best solution
    %% 
    for j = 1:MI 
        % Virtual Food
        for ll = 1:NP;
            Sf（ll） = （sum（ X（ll:） ./ K ））;
        end
        Xf（:j） = Sf./（sum（1./K））; %Food Location 食物位置      
        Xf（:j） =findlimits（Xf（:j）‘LBUBXgb（:jnr）‘）;% Bounds Checking
        Kf（j） = cost（Xf（:j））;%fitness value of food at iterator j
        if 2<=j%gain best fitness value of food at iterator j
            if Kf（j-1）                Xf（:j） = Xf（:j-1）;
                Kf（j） = Kf（j-1）;
            end
        end
        
        Kw_Kgb = max（K）-Kgb（jnr）;%K_worst-K_best of j iterator at round nr
        w = （0.1+0.8*（1-j/MI））;%inertia weight of the motion induced（wn） and the foraging motion（wf） in the range[01]
       %% 
        for i = 1:NK %处理每个粒子
            % Calculation of distances
            Rf = Xf（:j）-X（:i）;%Rf是Xifood
            Rgb = Xgb（:jnr）-X（:i）;%Rgb是Xibest
            for ii = 1:NK
                RR（:ii） = X（:ii）-X（:i）;
            end
            R = sqrt（sum（RR.*RR））;
            
          %% step3_1 Movement Induced 诱导速度Ni
            % Calculation of BEST KRILL effect
            if Kgb（jnr） < K