土狼优化算法

2018年IEEE进化计算大会（CEC）提出的全局优化问题的新的启发式算法。 土狼优化算法（COA）是由Juliano Pierezan和Leandro dos Santos Coelho（2018）提出的用于全局优化的自然启发的元启发式算法。

function [GlobalParamsGlobalMin] = COA（FOBJ lu nfevalMAXn_packsn_coy）
%% ------------------------------------------------------------------------
% Coyote Optimization Algorithm （COA） for Global Optimization.
% A nature-inspired metaheuristic proposed by Juliano Pierezan and 
% Leandro dos Santos Coelho （2018）.
%
% Pierezan J. and Coelho L. S. “Coyote Optimization Algorithm: A new 
% metaheuristic for global optimization problems“ Proceedings of the IEEE 
% Congress on Evolutionary Computation （CEC） Rio de Janeiro Brazil July 
% 2018 pages 2633-2640.
%
% Example:
% FOBJ        = @（x） sum（x.^2）;         % Optimization problem
% D           = 30;                     % Problem dimension
% lu          = [zeros（1D）;ones（1D）]; % Seach space
% nfevalMAX   = 10000*D;                % Stopping criteria
% Np          = 10;                     % Number of packs
% Nc          = 10;                     % Number of coyotes
% [GlobalParamsGlobalMin] = COA_vPub（FOBJ lu nfevalMAXNpNc）;
%
% Federal University of Parana （UFPR） Curitiba Parana Brazil.
% juliano.pierezan@ufpr.br
%% ------------------------------------------------------------------------

%% Optimization problem variables
D           = size（lu2）;
VarMin      = lu（1:）;
VarMax      = lu（2:）;

%% Algorithm parameters
if nargin < 5 n_coy = 5; 
elseif n_coy < 3 error（‘At least 3 coyotes per pack!‘）; end
if nargin < 4 n_packs = 20; end

% Probability of leaving a pack
p_leave     = 0.005*n_coy^2;
Ps          = 1/D;

%% Packs initialization （Eq. 2）
pop_total   = n_packs*n_coy;
costs       = zeros（pop_total1）;
coyotes     = repmat（VarMinpop_total1） + rand（pop_totalD）.*（repmat（VarMaxpop_total1） - repmat（VarMinpop_total1））;
ages        = zeros（pop_total1）;
packs       = reshape（randperm（pop_total）n_packs[]）;
coypack     = repmat（n_coyn_packs1）;

%% Evaluate coyotes adaptation （Eq. 3）
for c=1:pop_total
    costs（c1） = FOBJ（coyotes（c:））;
end
nfeval = pop_total;

%% Output variables
[GlobalMinibest]   = min（costs）;
GlobalParams        = coyotes（ibest:）; 
    
%% Main loop
year=0;
while nfeval    
    %% Update the years counter
    year = year + 1;

    %% Execute the operations inside each pack
    for p=1:n_packs
        % Get the coyotes that belong to each pack
        coyotes_aux = coyotes（packs（p:）:）;
        costs_aux   = costs（packs（p:）:）;
        ages_aux    = ages（packs（p:）1）;
        n_coy_aux   = coypack（p1）;
        
        % Detect alphas according to the costs （Eq. 5）
        [costs_auxinds] = sort（costs_aux‘ascend‘）;
        coyotes_aux      = coyotes_aux（inds:）;
        ages_aux         = ages_aux（inds:）;
        c_alpha          = coyotes_aux（1:）;
        
        % Compute the social tendency of the pack （Eq. 6）
        tendency         = median（coyotes_aux1）;
        
        % Update coyotes‘ social condition
        new_coyo

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        6392  2018-10-06 11:51  COA.m
     文件         161  2018-10-06 11:51  Rastrigin.m
     文件         645  2018-10-06 11:51  RunCOA.m
     文件        1470  2018-10-06 11:51  license.txt