布谷鸟算法代码

有标准布谷鸟算法，自适应布谷鸟算法，模拟退火布谷鸟算法，有注释很详细

function [bestnestfmin]=beita_cuckoo_search（n）       %布谷鸟算法主程序
clc;clear all;
if nargin<1
% Number of nests （or different solutions）
n=50;        %初始化生成25个鸟巢
end

% Discovery rate of alien eggs/solutions
pa=0.25;        %设置最大发现概率

%% Change this if you want to get better results
% Tolerance      %精度
%Tol=1.0e-5;
%N_IterTotal=500;
%% Simple bounds of the search domain        %设置搜索范围
% Lower bounds
%nd=5; 
 Lb=[-100 -100];     %上限
% Upper bounds
Ub=[100 100];
% Lb=[0 0 0 0 0 0];    %上限
% % Upper bounds
% Ub=[2460 7500 1100 12000 500 1000];        %下限

% Random initial solutions
for i=1:n                  %随机产生25个鸟窝的初始位置初始解
nest（i:）=Lb+（Ub-Lb）.*rand（size（Lb））;
end

% Get the current best
fitness=zeros（n1）;    %计算每个鸟窝的目标函数值得到当前的最优函数值
for i=1:n
    fitness（i:）=fobj（nest（i:））;
end
[fminbestnestnestfitness]=get_best_nest（nestnestfitness）;   %计算

N_iter=0;       %设置一个计数器
%% Starting iterations          %开始迭代
% while （fmin>Tol）
% 
%     % Generate new solutions （but keep the current best）
%      new_nest=get_cuckoos（nestbestnestLbUb）; %更新鸟窝位置 产生新解 
%      [fnewbestnestfitness]=get_best_nest（nestnew_nestfitness）;%找出当前最优解
%     % Update the counter  %更新计数器
%       N_iter=N_iter+n; 
%     % Discovery and randomization  %随机评价是否要淘汰解
%       new_nest=empty_nests（nestLbUbpa） ;
%     
%     % Evaluate this set of solutions
%       [fnewbestnestfitness]=get_best_nest（nestnew_nestfitness）;
% %       plot（N_iterbestnest‘ks‘‘linewidth‘2‘MarkerEdgeColor‘‘k‘‘MarkerFaceColor‘‘g‘‘MarkerSize‘10）
%     % Update the counter again
%       N_iter=N_iter+n;
%     % Find the best objective so far  %找到目前最优解
% %     plot（N_iterbestnest‘ks‘‘linewidth‘2‘MarkerEdgeColor‘‘k‘‘Marker
% %     FaceColor‘‘g‘‘MarkerSize‘10）
%     if fnew%         fmin=fnew;
%         bestnest=best;
%     end
%      plot（N_iterbestnest‘ks‘‘linewidth‘2‘MarkerEdgeColor‘‘k‘‘MarkerFaceColor‘‘g‘‘MarkerSize‘10）
% end %% End of iterations
flj=[];   %存放结果的数组

Tend=1e-3; 
mm=1;
while mm>Tend 
     N_iter=N_iter+1;
    % Generate new solutions （but keep the current best）
    
    
    
  
    new_nest=get_cuckoos（nestbestnestfitness）;  
%      for j=1:n
%          if（new_nest（j:）Ub）
%              new_nest（j:） = temp;
%          end
%      end
     
     
     
     
     [fnewbestnestfitness]=get_best_nest（nestnew_nestfitness）;
    % Update the counter

    % Discovery and randomization
      new_nest=empty_nests（nestpa） ;
     
    % Evaluate this set of solutions
      [fnewbestnestfitness]=get_best_nest（nestnew_nestfitness）;
    % Update the counter again
  
    % Find the best objective so far 
    if fnew        fmin=fnew;
        bestnest=best;
    end
 flj（N_iter1）=N_iter;
   flj（N_iter2）=log10（abs（0-fmin））;

    plot（flj（:1）flj（:2）‘k‘）
    xlabel（‘迭代次数‘）
    ylabel（‘适应度值‘）
    mm=abs（0-fmin）;
   

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

     文件     917022  2012-04-06 09:46  Adaptive Particle Swarm Optimization.pdf

     文件       2884  2012-04-06 09:47  APSO.m

     文件        276  2011-05-17 09:36  calfactor.m

     文件        651  2011-05-18 20:58  fuzzyclassification.m

     文件        121  2011-05-19 08:54  Rastrigrin.m

     文件        122  2011-05-17 20:50  rosenbrock.m

     文件        193  2011-05-18 21:02  s1.m

     文件        193  2011-05-18 21:02  s2.m

     文件        124  2011-05-18 21:02  s3.m

     文件        123  2011-05-18 21:02  s4.m

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

               921709                    10