1 简介
向日葵的模式是一致的：它们每天都像时钟一样随着太阳走。在傍晚时分，它们会走另一条路，在第二天早上的聚会上待命。
2 部分代码
%% 清除环境变量
clear
clc
%% 参数设置
N = 30; % 种群规模
Function_name = 'F1'; % 从F1到F23的测试函数的名称（本文中的表1、2、3）
Max_iteration = 1000; % 最大迭代次数
cnt_max = 1;
% 加载所选基准函数的详细信息
[lb, ub, dim, fobj] = Get_Functions_details(Function_name);
Curve_SFO = zeros(1, Max_iteration);
for cnt = 1:cnt_max
% 初始化种群位置
X = initialization(N, dim, ub, lb);
[SFO_Best_score(cnt), SFO_Best_pos(cnt, :), SFO_Curve] = SFO(X, N, Max_iteration, lb, ub, dim, fobj);
Curve_SFO = Curve_SFO+SFO_Curve;
end
Curve_SFO = Curve_SFO/cnt_max;
std_SFO = std(SFO_Best_score);
best_SFO = max(SFO_Best_score);
worst_SFO = min(SFO_Best_score);
mean_SFO = mean(SFO_Best_score);
%% 画图
% 1、画出所选基准函数的三维立体图形
figure;
func_plot(Function_name);
title(Function_name)
xlabel('x_1');ylabel('x_2');zlabel([Function_name,'( x_1 , x_2 )'])
% 2、画出目标函数值变化曲线图
figure;
t = 1:Max_iteration;
semilogy(t, Curve_SFO, 'rd-', ...
'linewidth', 1.5, 'MarkerSize', 8, 'MarkerIndices', 1:100:Max_iteration);
title('Sphere')xlabel('Iteration');ylabel('Fitness');axis fill
grid on
box on
legend('SFO');%% 显示结果
disp(['函数：', num2str(Function_name)]);
disp(['SFO：最大值: ', num2str(best_SFO), ',最小值:', num2str(worst_SFO), ',平均值:', num2str(mean_SFO), ',标准差:', num2str(std_SFO)]);
3 仿真结果
4 参考文献
[1]郑雅丹. 基于超宽带的复杂地理环境设备群通信关键技术研究. Diss. 北京信息科技大学, 2015.
