常用智能优化算法改进策略---变异篇（五种变异策略）可用于改进所有智能算法，让小白也会改进智能算法。...

本期文章将讲述常用智能优化算法改进策略---变异篇，一共包含五种常见的变异策略：

高斯变异，t分布扰动变异，自适应t分布扰动变异，柯西变异，差分变异。

五种策略可以方便移植到其他智能算法的改进中！

为了方便大家对变异策略的深入了解，作者将在简单易懂的粒子群算法教大家如何运用这五种策略，今后也方便大家移植到别的智能算法中。

高斯变异：

高斯函数如下：

带入粒子群算法中如下：

t分布扰动变异：

带入粒子群算法中如下：

自适应t分布扰动变异；

对C_Iter进行自适应变化，可以在算法前期进行全局搜索，在后期进行局部搜索，从而达到收敛。

?freen = exp(4.*(l/iter).^2); ?

然后再带入此式当中：

柯西变异：

柯西概率密度函数如下：

带入粒子群算法中：

xnewbest=xbest+xbest×Cauchy(0,1)

随机差分变异：

Xα是全局最优粒子，X‘(t)是随机粒子，r是一个[0,1]的随机数。

结果展示

在CEC2005函数集进行展示，设置迭代次数1000次，种群个数100个。

其中PSO为原始粒子群，GPSO是高斯变异的粒子群，t-PSO是t分布变异的粒子群，self_adaption_t_PSO是自适应t分布变异的粒子群，CPSO是柯西变异的粒子群，DE-PSO是差分变异的粒子群。

注意！本程序代码只是为了教大家如何使用这几种变异策略，如果看到改进后的算法没有原始算法效果好，请不要见怪！

这几种策略并非说用到某种算法上就一定会效果好，关键要看算法本身的原理公式适不适合！要分析其原理并不断进行尝试！

代码展示

代码目录

直接运行MAIN.m脚本文件即可！

点击下方卡片获取更多代码！

往期独家原创优秀算法：

独家原创！改进蜣螂优化算法，效果极好！三大经典测试集表现均为最佳！精品力荐！

融合鱼鹰和柯西变异的麻雀优化算法，效果好的起飞！改进麻雀，力荐！

多策略改进蜣螂优化--螺旋搜索+最优值引导+反向学习策略

融合柯西变异和自适应莱维飞行的布谷鸟优化算法，改进布谷鸟，MATLAB代码

融合蝴蝶搜索的麻雀优化算法，你见过吗？附MATLAB代码?

改进蜣螂优化--采用莱维飞行和三角形游走策略

CEC2005/2017/2019/2021/2022函数集智能优化算法对比实验常用指标一键导出为EXCEL，一文全部搞定！

后续会不定时更新哦~