人工蜂群算法 matlab代码

人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。为了解决多变量函数优化问题，Karaboga提出了人工蜂群算法ABC模型（artificial bee colony algorithm）。本资源为人工蜂群算法 matlab代码

clear 
clc
NI=30;%试验次数
t=zeros（1NI）;
for ni=1:NI
    tic;
%人工蜂群算法
%算法参数
%采蜜蜂个数 CN  引领蜂
%蜜源  MN  
%工蜂数目 GN  跟随蜂
N=10;
CN=N;
MN=N;
GN=N;
Limit=50;
%问题参数
%问题维数
D=2;
%变量范围
xmax=550*ones（1D）;
xmin=50*ones（1D）;
%最大迭代次数
K=1000;
limit=50;
xcn=zeros（ND）;
xgn=zeros（ND）;
xmn=zeros（ND）;
popu=zeros（2*ND）;
fpopu=zeros（12*N）;

%算法初始化
for i=1:2*N
    popu（i:）=xmin+rand（1D）.*（xmax-xmin）;
end
%适应值计算
for i=1:2*N
    fpopu（i）=func（popu（i:））;
end
[Bd]=sort（fpopu）;
i=1;
while i<=N
    xmn（i:）=popu（d（i）:）;
     fmn（i）=B（i）;
    i=i+1;
end
   
    xcn=xmn;
    fcn=fmn;
    
%迭代开始
k=1;
while k<=K
    g=k;
    %引领蜂探索
    for i=1:CN
        j=ceil（rand*D）;
        d=ceil（N*rand）;
        xcn（ij）=xmn（ij）+（2*rand-1）*（xmn（ij）-xmn（dj））;
    end
    for i=1:CN
          fcn（i）=func（xcn（i:））;
        if fcn（i）           xmn（i:）=xcn（i:）;
           fmn（i）=fcn（i）;
        end
    end
    %跟随蜂跟随引领蜂
    xgn=xcn;
    fgn=fcn;
    sf=sum（fgn）;%目标函数的总和