超全面智能算法应用于21个工程应用/相关统计指标导出至excel/收敛图平均、秩和检验可以进行并行计算效率非常高 目前已经发布了完成一篇优化算法所需要的所有代码主要的清单如下首先需要再各种测试集(CEC2005CEC2014CEC2017CEC2020CEC2022等等测试算法的性能其中要包括对比很多的算法需要统计均值、方差、最优解等指标。 其次是要绘制收敛图进行将P值和Friedman排名写出Excel这时你需要用到如下代码(1)超全面智能算法相关统计指标导出至excel/收敛图平均、箱线图秩和检验 假如你搞的是多目标算法那就可以使用这个代码导出你所需要的数据(2)超全面多目标优化算法跑46个测试函数/统计指标导出至excel/IGD, GD, HV, Spacing并且绘制帕累托前沿再之后你可能还要和很多的目前最先进的高性能算法对比其中就包括IMODE,SHADE,LSHADE,AL-SHADE等等这时你需要这个代码(3)差分进化算法变体已全部封装。 可以直接调用一键告别找不到买不了。 L-SHADE-cnEpSin和L-SHADE-SPACMA或者就是这个差分进化算变体上新高级差分进化ADE)代码文末直接下载对比的也差不多啦指标也有了图也有了还差一个轨迹分析进一步分析算法性能这是有需要另外一个代码闪亮登场(4)灰狼优化算法在所有测试集上的历史位置图平均适应度收敛图历史轨迹图MATLAB代码完整获取 在这里几乎已经完成所有的内容就只差一个工程应用也就是解决现实世界的工程问题我这边同样是统一打包全部封装完成哪怕没有代码基础也没有关系只需要会点运行就可以这次发布的代码主要的功能如下(1)记录每个工程应用每次运行的适应度值并写出Excel (2)绘制运行多次后的平均适应度曲线并保存至文件夹(3)得出算法的秩和检验数值并将P值和Friedman排名写出Excel(4)便捷替换其余函数保证实时可更换没代码能力也可以上手(会点运行就好)此外还配套了最关键的数学公式再也不用去找工具识别公式在慢慢编号我全部弄好啦直接甩开膀子干优化算法的人应该都懂搞测试集对比能让人原地爆炸。CEC2005到CEC2022这堆测试函数每次跑完还得手动算均值方差最优解Excel表复制粘贴到手抽筋别慌直接上这个from algo_kit import StatisticalExport exporter StatisticalExport(algo_list[IMODE, SHADE, GWO]) exporter.generate_excel( metrics[mean, std, best], save_pathresults/stats.xlsx )这代码就是个甩锅神器跑完算法自动把统计指标怼进Excel。箱线图和收敛曲线更狠——代码里加个plotconvergence(showstdTrue)标准差区域直接变半透明阴影论文插图秒变高级感。多目标优化更刺激HV指标算到怀疑人生试试这个操作% 跑完NSGA-III后直接三连击 [igd_values, hv_scores] MOEA_analyze(ZDT3); plot_pareto_front(savefig, true);帕累托前沿自动渲染成渐变色HV值计算直接调用编译好的C内核速度比纯MATLAB快5倍。重点是这个MOEA_analyze函数内置了46个测试函数的基准值再也不用翻文献找对比数据。说到和顶尖算法硬刚差分进化全家桶已经封装成即食快餐from DE_variants import L_SHADE_cnEpSin optimizer L_SHADE_cnEpSin() results optimizer.run(problemcec2022.no15)IMODE和LSHADE这些变体全都预制成了类方法要换策略就改个参数的事。比如把mutation_strategycurrent-to-pbest改成randrl立马切换成论文里的花式操作。超全面智能算法应用于21个工程应用/相关统计指标导出至excel/收敛图平均、秩和检验可以进行并行计算效率非常高 目前已经发布了完成一篇优化算法所需要的所有代码主要的清单如下首先需要再各种测试集(CEC2005CEC2014CEC2017CEC2020CEC2022等等测试算法的性能其中要包括对比很多的算法需要统计均值、方差、最优解等指标。 其次是要绘制收敛图进行将P值和Friedman排名写出Excel这时你需要用到如下代码(1)超全面智能算法相关统计指标导出至excel/收敛图平均、箱线图秩和检验 假如你搞的是多目标算法那就可以使用这个代码导出你所需要的数据(2)超全面多目标优化算法跑46个测试函数/统计指标导出至excel/IGD, GD, HV, Spacing并且绘制帕累托前沿再之后你可能还要和很多的目前最先进的高性能算法对比其中就包括IMODE,SHADE,LSHADE,AL-SHADE等等这时你需要这个代码(3)差分进化算法变体已全部封装。 可以直接调用一键告别找不到买不了。 L-SHADE-cnEpSin和L-SHADE-SPACMA或者就是这个差分进化算变体上新高级差分进化ADE)代码文末直接下载对比的也差不多啦指标也有了图也有了还差一个轨迹分析进一步分析算法性能这是有需要另外一个代码闪亮登场(4)灰狼优化算法在所有测试集上的历史位置图平均适应度收敛图历史轨迹图MATLAB代码完整获取 在这里几乎已经完成所有的内容就只差一个工程应用也就是解决现实世界的工程问题我这边同样是统一打包全部封装完成哪怕没有代码基础也没有关系只需要会点运行就可以这次发布的代码主要的功能如下(1)记录每个工程应用每次运行的适应度值并写出Excel (2)绘制运行多次后的平均适应度曲线并保存至文件夹(3)得出算法的秩和检验数值并将P值和Friedman排名写出Excel(4)便捷替换其余函数保证实时可更换没代码能力也可以上手(会点运行就好)此外还配套了最关键的数学公式再也不用去找工具识别公式在慢慢编号我全部弄好啦轨迹分析才是真·灵魂画手。灰狼优化跑完CEC2017时历史位置图能暴露算法怎么卡在局部最优% 三维轨迹可视化 GWO_trajectory_plot(CEC2017_F15, marker_size, 8);粒子运动路径用颜色映射表示适应度变化局部震荡区域自动标红。这比干看收敛曲线直观多了——一眼就能看出是参数设置问题还是初始种群扑街。工程应用模块彻底贯彻能跑就行哲学# 压力容器设计优化直接莽 from engineering_apps import PressureVessel problem PressureVessel() problem.replace_constraints(filemy_constraints.yaml) # 无脑替换约束条件适应度值自动记录到Excel每次运行生成独立日志文件。最骚的是秩和检验模块——把其他算法的结果文件扔进comparefolder目录执行friedmantest()直接输出LaTeX表格代码CVPR论文的结果对比部分十分钟搞定。公式支持才是隐藏大招。算法核心方程全都用MarkdownLaTeX预制\begin{equation} \phi_{t1} \frac{\sum_{k1}^{K} \omega_k^{(t)}}{\sqrt{\pi} \cdot \text{rank}(f(x_k))} \end{equation}每个公式自带编号和引用标签写论文时直接\ref{eq:phi_update}调用。曾经为了对齐公式编号熬夜到三点现在这破事就像在IDE里按了格式化代码。