入侵杂草优化算法IWO的matlab实现

侵入性杂草优化（IWO）是自然启发式的元启发式方法，受杂草的传播策略启发，由Alireza Mehrabian和Caro Lucas于2006年提出。在本文中，我们将与您分享MATLAB中侵入性杂草优化（IWO）的结构化开源实现。

clc;
clear;
close all;

%% Problem Definition

CostFunction = @（x） Sphere（x）;  % objective Function

nVar = 5;           % Number of Decision Variables
VarSize = [1 nVar]; % Decision Variables Matrix Size

VarMin = -10;       % Lower Bound of Decision Variables
VarMax = 10;        % Upper Bound of Decision Variables

%% IWO Parameters

MaxIt = 200;    % Maximum Number of Iterations

nPop0 = 10;     % Initial Population Size
nPop = 25;      % Maximum Population Size

Smin = 0;       % Minimum Number of Seeds
Smax = 5;       % Maximum Number of Seeds

Exponent = 2;           % Variance Reduction Exponent
sigma_initial = 0.5;    % Initial Value of Standard Deviation
sigma_final = 0.001;	% Final Value of Standard Deviation

%% Initialization

% Empty Plant Structure
empty_plant.Position = [];
empty_plant.Cost = [];

pop = repmat（empty_plant nPop0 1）;    % Initial Population Array

for i = 1:numel（pop）
    
    % Initialize Position
    pop（i）.Position = unifrnd（VarMin VarMax VarSize）;
    
    % Evaluation
    pop（i）.Cost = CostFunction（pop（i）.Position）;
    
end

% Initialize Best Cost History
BestCosts = zeros（MaxIt 1）;

%% IWO Main Loop

for it = 1:MaxIt
    
    % Update Standard Deviation
    sigma = （（MaxIt - it）/（MaxIt - 1））^Exponent * （sigma_initial - sigma_final） + sigma_final;
    
    % Get Best and Worst Cost Values
    Costs = [pop.Cost];
    BestCost = min（Costs）;
    WorstCost = max（Costs）;
    
    % Initialize Offsprings Population
    newpop = [];
    
    % Reproduction
    for i = 1:numel（pop）
        
        ratio = （pop（i）.Cost - WorstCost）/（BestCost - WorstCost）;
        S = floor（Smin + （Smax - Smin）*ratio）;
        
        for j = 1:S
            
            % Initialize Offspring
            newsol = empty_plant;
            
            % Generate Random Location
            newsol.Position = pop（i）.Position + sigma * randn（VarSize）;
            
            % Apply Lower/Upper Bounds
            newsol.Position = max（newsol.Position VarMin）;
            newsol.Position = min（newsol.Position VarMax）;
            
            % Evaluate Offsring
            newsol.Cost = CostFunction（newsol.Position）;
            
            % Add Offpsring to the Population
            newpop = [newpop
                      newsol];  %#ok
            
        end
        
    end
    
    % Merge Populations
    pop = [pop
           newpop];
    
    % Sort Population
    [~ SortOrder]=sort（[pop.Cost]）;
    pop = pop（SortOrder）;

    % Competitive Exclusion （Delete Extra Members）
    if numel（pop）>nPop
        pop = pop（1:nPop）;
    end
    
    % Store Best Solution Ever Found
    BestSol = pop（1）;
    
    % Store Best Cost History
    BestCosts（it） = BestSol.Cost;
    
    % Display Iteration Information
    disp（[‘Iteration ‘ num2str（it） ‘: Best Cost = ‘ num2str（BestCosts（it））]）;
    
end

%% Results

f

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

     文件       3132  2019-12-24 19:50  入侵杂草优化IWO\iwo.m

     文件         10  2019-12-24 19:50  入侵杂草优化IWO\main.m

     文件         55  2019-12-24 19:50  入侵杂草优化IWO\Sphere.m

     目录          0  2019-12-24 19:49  入侵杂草优化IWO

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

                 3197                    4