【67种改进策略】优化算法改进再也不用担心了-matlab代码

标签：映射代码混沌改进算法 matlab 67 优化

仅需一行代码，学会从入门到创新改进所有群智能优化算法

引言

一.佳点集初始化

六.单纯形Nelder‑Mead单纯形法（Nelder‑Mead simplex）

Matlab代码下载

点击链接跳转：

引言

根据“没有免费的午餐”，没有一个单一的群体智能优化算法可以解决所有的优化问题，每一个群体智能优化算法都有局限性和限制。所以很多学者根据自身的专业问题需求，对基础优化算法进行了改进和提升，以期获得更为优秀的性能。

公众号也整理了67种常用的改进策略，提供了示例算法，仅需一行，可以轻松让你学会如何改进算法。

一.佳点集初始化

（有用 or 没用？这是一个问题）

二.21种混沌初始化

（用于改进所有优化算法：21种混沌映射方法-混沌初始化（附matlab代码）包括：

Chebyshev混沌映射Circle 混沌映射Gauss/mouse 混沌映射Iterative 混沌映射Logistic 混沌映射Piecewise 混沌映射Sine 混沌映射Singer 混沌映射Sinusoidal 混沌映射Tent 混沌映射Fuch 混沌映射SPM 混沌映射ICMIC 混沌映射Tent-Logistic-Cosine 混沌映射Sine-Tent-Cosine 混沌映射Logistic-Sine-Cosine 混沌映射Henon 混沌映射Cubic 混沌映射Logistic-Tent 混沌映射Bernoulli 混沌映射Kent 混沌映射

三.21种混沌参数化

（【效果突出】优化算法改进策略：21种混沌映射方法-参数混沌化（附matlab代码））包括：

Chebyshev混沌映射Circle 混沌映射Gauss/mouse 混沌映射Iterative 混沌映射Logistic 混沌映射Piecewise 混沌映射Sine 混沌映射Singer 混沌映射Sinusoidal 混沌映射Tent 混沌映射Fuch 混沌映射SPM 混沌映射ICMIC 混沌映射Tent-Logistic-Cosine 混沌映射Sine-Tent-Cosine 混沌映射Logistic-Sine-Cosine 混沌映射Henon 混沌映射Cubic 混沌映射Logistic-Tent 混沌映射Bernoulli 混沌映射Kent 混沌映射

四.13种变异策略

（【仅需一行】13种变异策略改进所有群智能优化算法（附matlab代码））包括：

高斯变异高斯精英变异柯西变异柯西逆累积分布变异t分布扰动变异自适应t分布扰动变异正态云变异周期变异精英差分变异 DE/best/1 随机-精英差分变异 DE/rand-to-best/1随机差分变异 DE/rand/2精英差分变异 DE/best/2 非均匀变异

五. 10种飞行/分布函数

必备！10种分布函数，仅需一行可改进所有群优化算法（附matlab代码）

包括：

六.单纯形Nelder‑Mead单纯形法（Nelder‑Mead simplex）

这个改进策略一定不要错过，仅需一行可改进所有群优化算法（附matlab代码）

共计67种。提供的示例算法中有原始算法和改进的算法，可以对比两者之间的不同，学会改进方式。一种简单的方式是，将原始算法放在屏幕左侧，改进的算法放在屏幕右侧，一行行的对比学习。学习增加了哪些变量，增加了几行代码，改进的位置在哪里。这样就可迁移至新的算法中，照猫画虎，学着增加变量，增加代码，选中代码位置。其实，为了节省大家的时间，提高改进效率，改进策略均已集成函数形式，改进时调用即可。改进算法的代码相较于原始算法仅增加了一行，工作量非常非常小，在改进代码中比较醒目。也就是说，一行代码可以让你改进所有的优化算法，非常好用。

13种变异策略改进的HHO与原始HHO算法对比