蚁狮算法（Ant Lion AlgorithmPython实现和matlab实现

蚁狮算法(Ant Lion Algorithm）原创者论文
及相应的Python实现和matlab实现

# coding:utf-8
“““
作者：zhaoxingfeng	日期：2016.12.02
功能：蚁狮优化算法，Ant Lion Optimizer（ALO）
版本：2.0
参考文献:
[1]Seyedali Mirjalili.The Ant Lion Optimizer[J].ADVANCES IN ENGINEERING SOFTWARE 2015 83 80-98.
[2]Verma S. Mukherjee V.Optimal real power rescheduling of generators for congestion management
   using a novel ant lion optimiser[J].ENGINEERING ELECTRICAL & ELECTRONIC201672548-2561.
[3]崔东文 王宗斌. 基于ALO-ENN算法的洪灾评估模型及应［J].人民珠江 2016 37（5）: 44-50.
说明：
2015年被人提出来的一种仿生优化算法，Ant Lion Optimizer即蚁狮优化算法，具有全局优化、调节参数少、收敛精度高、鲁棒性
好的优点，已被应用到SVM、Elman神经网络、GM（11）以及螺旋桨页面曲线参数寻优等场合。
“““
from __future__ import division
import numpy as np
import random
import matplotlib as mpl
import matplotlib.pyplot as plt
import time


class ALO（object）:
    def __init__（self N Max_iter lb ub dim Fobj）:
        “““
        N：蚂蚁和蚁狮规模，蚂蚁和蚁狮数量相等
        Max_iter：最大迭代次数
        lb ub ：搜索范围 -> 变量取值范围
        dim：解的维度
        Fobj：价值函数
        “““
        self.N = N
        self.Max_iter = Max_iter
        self.lb = np.array（lb）
        self.ub = np.array（ub）
        self.dim = dim
        self.Fobj = Fobj

    # 初始化 ant 和 antlion 位置
    def Initialization（self）:
        x = [[0 for col in range（self.dim）] for row in range（self.N）]
        for i in range（self.N）:
            for j in range（self.dim）:
                x[i][j] = random.random（） * （self.ub[j]-self.lb[j]） + self.lb[j]
        return x

    # 轮盘赌
    def RouletteWheelSelection（self weights）:
        accumulation = [0 for col in range（self.N）]
        for i in range（self.N）:
            accumulation[-1] = 0
            accumulation[i] += accumulation[i-1] + weights[i]
        p = random.random（） * accumulation[-1]
        for j in range（self.N）:
            if accumulation[j] > p:
                index = j
                break
        return index

    # 随机游走
    def Random_walk_around_antlion（self antlion current_iter）:
        if current_iter >= self.Max_iter * 0.95:
            I = 1 + 10**6 * （current_iter/self.Max_iter）
        elif current_iter >= self.Max_iter * 0.9:
            I = 1 + 10**5 * （current_iter/self.Max_iter）
        elif current_iter >= self.Max_iter * 3/4:
            I = 1 + 10**4 * （current_iter/self.Max_iter）
        elif current_iter >= self.Max_iter * 0.5:
            I = 1 + 10**3 * （current_iter/self.Max_iter）
        else:
            I = 1 + 10**2 * （current_iter/self.Max_iter）
        # 公式 （2.10）、（2.11）
        lb ub = self.lb/I self.ub/I
        # 公式 （2.8）
        if random.random（） < 0.5:
            lb = lb + antlion
        else:
            lb = -lb + antlion
        # 公式 （2.9）
        if random.random（） >= 0.5:
            ub = ub + antlion
        else:
            ub = -ub + antlion
        # create n random walks and normalize accroding to lb and ub
        RWs = [[0 for col in range（self.dim）] for row in range（self.Max_iter + 1）]
        for dim in range（self.dim）:
            # 公式 （2.2

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-12-21 17:09  蚁狮算法\
     文件     2977466  2019-12-20 22:17  蚁狮算法\ALO.pdf
     文件        8962  2019-12-20 21:29  蚁狮算法\ALO.py
     目录           0  2019-12-21 17:09  蚁狮算法\matlab\
     文件        5844  2015-02-20 12:06  蚁狮算法\matlab\ALO.m
     文件      150992  2015-03-04 06:56  蚁狮算法\matlab\ALO.png
     文件        3597  2015-02-20 13:21  蚁狮算法\matlab\func_plot.m
     文件        7708  2015-02-20 12:07  蚁狮算法\matlab\Get_Functions_details.m
     文件        1881  2015-02-20 13:17  蚁狮算法\matlab\initialization.m
     文件        3105  2015-02-20 12:52  蚁狮算法\matlab\main.m
     文件        2932  2015-02-20 17:11  蚁狮算法\matlab\Random_walk_around_antlion.m
     文件        2199  2015-02-20 13:21  蚁狮算法\matlab\RouletteWheelSelection.m