TLBO基本型matalb

TLBO 算法是一种新的群智能优化算法，这是关于TLBO基本型的matalb代码，由一个m文件组成。

clear all
clc
ps= 10;    % no of students
nd=2;      % no of design variables or no of subjects which are taken by students
ng=50;     % no of generations 
ni=0;      % no of iterations 
ub=ones（1nd）*10;   %upper boundary to the veriables 
lb=ones（1nd）*0;    %lower boundary to the veriables
runtime=1;
runtimes=50;

tru=1;
while（tru）
range=repmat（（ub-lb）ps1）;
lower=repmat（lbps1）;
xnewl=rand（psnd）.*range+lower; %intial random solution
for i=1:ps           % evaluation of objective function
     fxnewl（i1）=（xnewl（i1）-xnewl（i2））^2+（（xnewl（i1）+xnewl（i2）-10）/3）^2;   
end
    true=1;
while（true）
    ni=ni+1;
    
    %%%%%%%%%%% teacher phase %%%%%%%%
    
md=mean（xnewl）;                   % mean of the total students
indext=find（fxnewl==min（fxnewl））; % capturing the teacher position using objective function values 
bt=indext;
for j=1:nd
     bestteacher（1j）=xnewl（bt（11）j）;
end
for j=1:nd
    diff（1j）=rand*（bestteacher（1j）-md（1j））;
end
for i=1:ps
   for j=1:nd      %%% improving the initial solution in teacher phase
       xnew（ij）=xnewl（ij）+diff（1j）;
       if（xnew（ij）>ub（1j））  % for values goes beyound upper limit
          xnew（ij）=ub（1j）;
       elseif（xnew（ij）           xnew（ij）=lb（1j）;
       end
   end       
end
for i=1:ps                  % evaluating the objective function 
    fxnew（i1）=（xnew（i1）-xnew（i2））^2+（（xnew（i1）+xnew（i2）-10）/3）^2;
    fxnewold（i1）=fxnew（i1）;
end
for i=1:ps  %% applying greedy selection process
    if（fxnew（i1）> fxnewl（i1）） % if old value is better then keep it as it is
        fxnew（i1）=fxnewl（i1）;
       % x（i1）=xnew（i1）
        %x（i2）=xnew（i2）
        %for j=1:nd
         %   x（ij）=xnew（ij）
        %end
        xnew（i:）=xnewl（i:）;
    end
end

%%%%%%%%%%%%%%  learner phase  %%%%%%%%%%%%%% 
indexl=find（fxnew==min（fxnew））; % capturing the best learner position using objective function valuesr
bl=indexl;
for j=1:nd
     bestl（1j）=xnew（bl（11）j）;
end        
for i=1:ps            %% improoving the level other learners using best learner 
    for j=1:nd
        xnewl（ij）=xnew（ij）+rand*（bestl（1j）-xnew（ij））; 
    end 
end
for i=1:ps           % updating  the objective function in learner phase 
    fxnewl（i1）=（xnewl（i1）-xnewl（i2））^2+（（xnewl（i1）+xnewl（i2）-10）/3）^2;
    globalmin（i1）= fxnewl（i1）;
end
    if（ni==ng）
        ni=0;
        true=0;
    else
        true=1;
    end
    disp （‘num of iterations‘）
    disp （ni）
    disp（‘ fxnewl‘）
    disp （fxnewl）
    
end
globalmins（1runtime）=globalmin（ps1）
bgm=min（globalmins）%best global min
wgm=max（globalmins）%worst global min
mgm=mean（globalmins）%mean global min
if（runtime==runtimes）
    tru=0;
else
    runtime=runtime+1;
end

end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2857  2017-11-27 10:32  TLBO基本型\TLBO.m
     目录           0  2017-11-27 10:33  TLBO基本型\