如何去实现一种果蝇优化算法的程序设计呢

　　1果蝇优化算法原理介绍
　　果蝇是一种广泛存在于温带和热带地区的昆虫，具有优于其他物种的嗅觉和视觉能力。
　　在寻找食物时，果蝇个体先利用自身嗅觉器官嗅到食物的气味，并向周围的果蝇发送气味信息，或者从周围的果蝇接收气味信息;之后果蝇利用其视觉器官，通过比较得出当前群体中收集到最好气味信息的果蝇位置，群体中的其他果蝇均飞向该位置，并继续展开搜索。
　　图 1展示了果蝇群体搜索食物的简要过程。
　　1.1步骤分析
　　根据果蝇群体觅食的行为特点，标准 FOA寻优
　　大致分为以下几个步骤。
　　Step 1：初始化。
　　设置种群规模（popsize），最大迭代次数（maxgen），果蝇群体位置范围（LR）和果蝇的单次飞行范围（FR）等相关参数值。
　　果蝇群体中每个个体的位置信息由其对应的（X; Y ）二维坐标给出，其初始位置由下面的公式定义：
　　Step 2：嗅觉搜索过程。
　　Step 2.1：当群体中的每一只果蝇利用其嗅觉搜索时，赋予它一个随机的飞行方向和距离。 果蝇个体 i 新的位置由下式给出：
　　Step 2.2：因为食物味道的来源位置是未知的，因此先利用下式计算果蝇个体距离原点的距离DISTi：
　　然后通过下式计算其味道浓度判定值Si：
　　Step 2.3：通过下式计算当前群体中每个果蝇个体的味道浓度值Smelli：
　　fitness表示味道浓度判断函数，在利用FOA进行优化问题求解时，它是目标函数或适应度函数。
　　Step 2.4：选择当前群体中具有最佳味道浓度值的果蝇，记录其味道浓度值和相应位置
　　Step 3：视觉搜索过程。
　　保持最佳味道浓度值和对应果蝇位置信息，群体中的其他果蝇均利用视觉飞向此位置，即
　　Step 4：重复Step 2和Step 3，直到算法迭代次数达到maxgen.
　　由 FOA的计算步骤可知，标准
　　FOA采用基于种群的全局随机搜索策略，通过跟踪当前最优解的信息来指导种群的下一步搜索，使得种群能够以当前最优解为中心开展局部随机搜索，并朝着更优的方向搜索前进。
　　2果蝇优化算法程序设计
　　根据果蝇算法步骤，设计MATlab程序如下
　　%% FOA封装程序 clc; clear; for gen=1:30 %% 初始化参数 maxgen=100; %最大迭代次数 sizepop=50;
　　dim=30; L=1; %% 初始化矩阵 X_best=zeros（maxgen，dim）; Y_best=zeros（maxgen，dim）;
　　Smell_best=zeros（1，maxgen）; %% 初始化果蝇坐标； X_axis=10*rand（1，dim）;
　　Y_axis=10*rand（1，dim）; %% 生成果蝇群
　　［Si，X，Y］=gengrate_foa（X_axis，Y_axis，sizepop，dim，L）; %% 寻找最优个体
　　［BestSmell，Index］=find_Sum_Square（Si）; SmellBest=BestSmell; %SmellBest为全局最优 %%
　　取出最优个体的两个维度的X，Y坐标 X_axis=X（Index，：）; Y_axis=Y（Index，：）; for g=1:maxgen %% 生成果蝇群
　　［Si，X，Y］=gengrate_foa（X_axis，Y_axis，sizepop，dim，L）; %% 寻找最优个体
　　［BestSmell，Index］=find_Sum_Square（Si）; if BestSmell
　　X_axis=X（Index，：）; Y_axis=Y（Index，：）; %更新极值 SmellBest=BestSmell; end
　　Smell_best（g）=SmellBest; X_best（g，：）=X_axis; Y_best（g，：）=Y_axis; end
　　S（gen）=SmellBest; end %% 输出最终值 SmellBest %% 绘制图像 figure（1）
　　plot（Smell_best，‘b’）; %绘制每一代最优浓度值 figure（2） hold on
　　plot（X_best（：，1），Y_best（：，1），‘r.’）;%绘制果蝇群X_axis，Y_axis的变化
　　plot（X_best（：，2），Y_best（：，2），‘b.’）; plot（X_best（：，3），Y_best（：，3），‘k.’）;
　　figure（3） plot（X（：，1），Y（：，1），‘b.’）;%绘制最后一代的果蝇群; mean（S） min（S） std（S）
　　将FOA果蝇群生成，和计算果蝇味道浓度值封装成函数，输入的是种群坐标，种群个数，维度和步长值，输出的是每个果蝇的坐标和果蝇的味道浓度判定值。
　　function ［Si，X，Y］=gengrate_foa（X_axis，Y_axis，sizepop，dim，L）
　　Di=zeros（sizepop，dim）; Si=zeros（sizepop，dim）; X_axis=repmat（X_axis，sizepop，1）;
　　%将种群坐标扩充; Y_axis=repmat（Y_axis，sizepop，1）;
　　X=X_axis+2*L*rand（sizepop，dim）-L;%求出每个果蝇的坐标矩阵;
　　Y=Y_axis+2*L*rand（sizepop，dim）-L; Di1=X.^2; %求出X^2和Y^2; Di2=Y.^2; Di=Di1+Di2;
　　%X^2+Y^2; Di=Di.^0.5; %开根号; Si=1./Di; %Si=1/Di; end
　　求果蝇味道浓度值，对每个测试函数都不同，此处用了SumSquare函数，这个函数的表达式是
　　其三维函数图像如下图
　　其函数编写如下，函数输入只需要果蝇个体的味道判定值，带入函数中解出最优的味道浓度值和其索引，就能对应着找到最优的果蝇个体了。
　　%% 果蝇浓度判定函数; %Function:Sum Square %表达式：f（x）=Sum（i*（Xi）^2）; function
　　［BestSmell，Index］=find_Sum_Square（Si） ［si_m，si_n］=size（Si）;
　　sum_2=zeros（1，si_n）; for d=1:si_n sum_2（d）=d; end Si_2=Si.^2; %所有元素平方;
　　Smell=Si_2.*sum_2; Smell=sum（Smell，2）; ［BestSmell，Index］=min（Smell）; end
　　对函数进行测试
　　试验设置独立运行30次，并记录每次的寻优结果，最后求一下30次寻优结果的均值，最小值和均方差。
　　对测试结果绘制图片，figure（1）绘制的是每次迭代的种群最优值，可以看到最优值一直在降低，最终趋向于收敛于0（函数最优值），这就说明果蝇群每一次迭代都在向最优值前进，一点点寻优。
　　figure（2）绘制的是果蝇群坐标随着迭代次数增长的变化，一点点在向外面扩散，这里设置的函数为30维，画图的话只画了其中3维，分别用红色，蓝色和黑色表示，每一维扩散的方向都不同。
　　figure（3）绘制的是最后一代果蝇群的坐标分布，这里只画了一维的坐标分布，可以看出是围绕着中心点向四周随机飞行的，因为这里设置步长为1，所以上下幅度为最大为2。
　　要是想测试其他寻优函数，可以根据我的测试函数模板进行编写，将Si作为变量X带入，求出最小的Y值就是最优果蝇了，下面在放上两个我已经编好的寻优函数，Ackley和Rastrigin。
　　%% 果蝇浓度判定函数; %Function:Rastrigin %表达式：f（x）=Sum［（Xi）^2-10cos（2pi*xi）+10］;
　　function ［BestSmell，Index］=find_Rastrigin（Si） ［si_m，si_n］=size（Si）;
　　sum_2=zeros（si_m，1）; %第一部分：平方和 Si_2=Si.^2; %所有元素平方; sum_1=sum（Si_2，2）;
　　%求各维度平方和; %第二部分：cos（2pi*Xi） for p=1:si_m for d=1:si_n
　　sum_2（p）=sum_2（p）+10*cos（2*pi*Si（p，d））; end end Smell=sum_1-sum_2+10*si_n;
　　［BestSmell，Index］=min（Smell）; end
　　%Function:Ackley %表达式： function ［BestSmell，Index］=find_Ackley（Si）
　　［si_m，si_n］=size（Si）; sum_2=zeros（si_m，1）; %第一部分：平方和 Si_2=Si.^2; %所有元素平方;
　　sum_1=sum（Si_2，2）; %求各维度平方和; sum_1=-0.2.*（（sum_1/30）.^0.5）;
　　sum_1=-20.*（exp（sum_1））; %第二部分：cos（2pi*Xi） for p=1:si_m %cos（Xi）/sqrt（i）部分 for
　　d=1:si_n sum_2（p）=sum_2（p）+cos（2*pi*Si（p，d））; end sum_2（p）=sum_2（p）/30;
　　sum_2（p）=-1*exp（sum_2（p））; end Smell=sum_1+sum_2+20+exp（1）;
　　［BestSmell，Index］=min（Smell）; end
　　代码已经经过测试了，可以直接拷贝到m文件中，保存在相同路径运行，注意函数的名称要和文件名称相同。主函数里面的参数sizepop，dim以及L，maxgen都是可以随意设置的，可以设置观测不同结果。