蛙跳法程序

为什么混合蛙跳算法 无法达到预期的收敛效果（，0.001）？ 附代码

%%%%%%%%%%%混合跬跳算法优化%%%%%%%%%%%%

clc;clear all; m=20 %种群分组数 n=10; %每组青蛙包含的个数 Ne=15; %组内迭代数 smax = 5; %最大步长

MAXGEN=500; %种群总进化代数 d=20; %优化问题维数 max=d-1;

pmax =5; %d维最大值 pmin = -5;%d维最小值 %

%%产生初始青娃 F=m*n; tic; for i1=1:F

p(i1,:)=pmax*rands(1,d); end

%%全局迭代寻优

yy=zeros(1,MAXGEN); for ii=1:MAXGEN for i2=1:F

fitness(i2)=fun(p(i2,:),max); end

%排序，找最好的，并分组 [fitsort,index]=sort(fitness); for i3=1:F

x(i3,:)=p(index(i3),:); end

gx=x(1,:);%种群内最好的青娃 yy(ii)=fitsort(1); for i4=1:m

local = p(i4:m:end,:);

for j=1:Ne %每组青蛙迭代次数 pb=local(1,:);%组内最优 pw=local(n,:);%组内最差

s1=rand.*(pb-pw);%采用组内最优更新 s1(find(s1>smax))=smax; temp(1,:)= pw+s1;

temp(find(temp>pmax))=pmax; temp(find(temp fun1(pw,max) s1=rand.*(gx-pw);%采用全局最优更新 s1(find(s1>smax))=smax; temp(1,:)= pw+s1;

temp(find(temp>pmax))=pmax; temp(find(temp

if fun1(temp,max)>fun1(pw,max) % s1=pmax*rands(1,d);%随机更新 % s1(find(s1>smax))=smax; % temp(1,:)= pw+s1; temp=pmax*rands(1,d); temp(find(temp>pmax))=pmax; temp(find(temp

local(n,:) = temp; for loc=1:n

fitlocal(loc)=fun1(local(loc,:),max); end

[localsort,indexlocal]=sort(fitlocal); for loc=1:n

localnew(loc,:) = local(indexlocal(loc),:); end local=localnew; end %结束Ne p(i4:m:end,:) =local; end %结束m %最好的青娃适配值 end %结束MAXGEN toc

%结果分析 plot(yy)

title('混合跬跳算法优化');

xlabel('总进化代数');ylabel('函数最优解'); yy(MAXGEN)

function y = fun(x,max) %第1个函数 % max=3; % y=x(1)*x(1); % for i=2:max % y=x(i)*x(i)+y; % end

%第2个函数Rosenbrock function

y=100*(x(2)-x(1)*x(1))^2+(x(1)-1)^2; for i=2:max

y=100*(x(i+1)-x(i)*x(i))^2+(x(i)-1)^2+y; end