关键词：
一、帝企鹅算法简介
目前，关于帝企鹅算法在国内外研究较少，在中对该算法进行了分析，并且与常见的粒子群算法、萤火虫算法进行了对比分析. 帝企鹅从事各种活动，如狩猎、群体觅食，是群居性动物.每当恶劣的气候来临，它们会挤在一起防风御寒.帝企鹅在南极极端冬季期间主要以集群的方式互相取暖来度过−40 ℃ 的冬季. 为了保证每只企鹅都能取暖，因此每只企鹅都在平等地做出贡献，同时它们的社交行为极为团结以及分工明确. 集群的行为可归纳如下.
1 确定集群边界范围
设定在帝企鹅蜷缩取暖的过程中所选择的位置范围在多边形的网格范围内，帝企鹅在聚集的过程中至少与两只以上的帝企鹅相邻，邻居的选择是随机的；而在帝企鹅集群过程中范围的边界是不规则的多边形，因此用围绕住帝企鹅集群的风的梯度来表示整体集群的边界，在此定义风速 和其梯度 、 ，集群边界 ，可表示为
γ = ∆α, (8) µ = α+iβ. (9) W
2 计算集群层次周围的温度
南极严酷的外界环境使得帝企鹅在迁徙过程中面对寒冷天气会采取集群取暖来保持温度. 若当前聚集半径 d>0.5 时，其温度 W=0；当 d<0.5 时，其温度 W=1. 温度梯度曲线可以描述为
其中， 为最大迭代次数，x 为当前迭代次数，温度的表达式
3 计算帝企鹅间的距离
在集群范围内帝企鹅间的距离表示为该个体与集群中心帝企鹅的距离，集群距离公式如下：
其中， 代表帝企鹅距中心距离； x 表示当前迭代数； 和 用于帝企鹅体积设置的影响向量因子，
避免个体间的冲突； 为 x 轮最优解；表示当前帝企鹅的位置向量； 定义帝企鹅的主体社会地位，负责区别最优个体与普通个体. 向量和 计算如下：
其中 ， 是移动步长参数，这里 的值设置为 2.5， 通过比较与最优的差异来定义多边形网格精度，而 是一个随机函数. 函数计算如下：
其中，ξ 和 φ是控制参数，其值分别在（2,3）（1.5,2）的范围内能得出更好的结果.
4 帝企鹅位置更新 帝企鹅集群中的个体通过向集群中心帝企鹅 Q 的方向移动更新位置信息，其位置更新如下：
Oep(x+1) = Obest(x)−ΓLep, (17)
其中，Oep(x+1)代表皇帝企鹅的下一个更新位置.在迭代过程中，一旦移动者重新定位，帝企鹅的上述参数将被重新计算.
二、部分源代码
%% 这是使用原始算法的直接求解结果，添加专用于本问题的更新方式可以进一步提高精度
% This is the direct result of using the original algorithm,
% adding some specific update methods to this problem can further improve the accuracy
clc;
clear;
close all;
warning off
%% 固定随机数种子
noRNG=1;
rng(‘default’)
rng(noRNG)
%% 载入数据
[data.node,data.node0,data.node1]=xlsread(‘节点经纬度.xlsx’,1);
data.D1=xlsread(‘物流节点到需求点距离.xlsx’,1);
data.D2=xlsread(‘物流节点到产地距离.xlsx’,1);
data.demand=xlsread(‘需求.xlsx’,1);
data.noC=find(data.node(:,3)==1);
data.noD=find(data.node(:,3)❤️);
data.noP=find(data.node(:,3)==3);
data.numC=length(data.noC);
data.numD=length(data.noD);
data.numP=length(data.noP);
data.numSelected=6;
for i=1:data.numD
for j=1:data.numC
D=distance(data.node(data.noD(i),2),data.node(data.noD(i),1),data.node(data.noC(j),2),data.node(data.noC(j),1)); % distance看matlab help
pi=3.1415926;
dx=D63712pi/360;
data.D1(i,j)=dx;
%data.D1(i,j)=norm(data.node(data.noD(i),1:2)-data.node(data.noC(j),1:2));
end
end
for i=1:data.numC
for j=1:data.numP
D=distance(data.node(data.noC(i),2),data.node(data.noC(i),1),data.node(data.noP(j),2),data.node(data.noP(j),1)); % distance看matlab help
pi=3.1415926;
dx=D637110002*pi/360;
data.D2(i,j)=dx;
%data.D2(i,j)=norm(data.node(data.noC(i),1:2)-data.node(data.noP(j),1:2))*1000;
end
end
data.maxLoad=760; %最大能力
data.alpha=0.5;
data.ck=245; %库存成本
data.ct1=0.19; %运输成本1
data.ct2=0.26; %运输成本2
data.cb=2.45; %可变成本
figure
hold on
plot(data.node(data.noC,1),data.node(data.noC,2),‘rs’,‘LineWidth’,2,…
‘MarkerEdgeColor’,‘k’,…
‘MarkerFaceColor’,‘g’,…
‘MarkerSize’,10)
plot(data.node(data.noD,1),data.node(data.noD,2),‘ro’,‘LineWidth’,2,…
‘MarkerEdgeColor’,‘k’,…
‘MarkerFaceColor’,‘r’,…
‘MarkerSize’,10)
plot(data.node(data.noP,1),data.node(data.noP,2),‘rh’,‘LineWidth’,2,…
‘MarkerEdgeColor’,‘k’,…
‘MarkerFaceColor’,‘b’,…
‘MarkerSize’,10)
%% 算法参数设置
dim=data.numC+data.numD;
%%
option.dim=dim; %八个决策变量
lb=0;
ub=1;
option.lb=lb;
option.ub=ub;
if length(option.lb)==1
option.lb=ones(1,option.dim)*option.lb;
option.ub=ones(1,option.dim)*option.ub;
end
option.fobj=@aimFcn_1;
%option.fobj0=option.fobj;
option.showIter=0;
%% 算法参数设置 Parameters
% 基本参数
option.numAgent=20; %种群个体数 size of population
option.maxIteration=20; %最大迭代次数 maximum number of interation
三、运行结果
四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]唐菁敏,曲文博,苏慧慧,郑锦文.一种基于帝企鹅差分算法的WSN覆盖优化[J].云南大学学报(自然科学版). 2021,43(01)
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除
车间调度基于matlab帝国企鹅算法求解柔性车间调度问题含matlab源码1991期
一、车间调度简介1车间调度定义车间调度是指根据产品制造的合理需求分配加工车间顺序，从而达到合理利用产品制造资源、提高企业经济效益的目的。车间调度问题从数学上可以描述为有n个待加工的零件要在m台机器上加工。... 查看详情
多式联运基于帝国企鹅算法+遗传算法+粒子群算法求解不确定多式联运路径优化问题含matlab源码2073期
一、联运运输简介1引言运输问题(TransportationProblem)是一类特殊的线性规划问题,最早是由Hichcock于1941年提出的,由于它不仅能解决物资的合理调运和车辆的合理调度,而且许多实际问题如生产存储问题、工厂选址问题等经过适当变换... 查看详情
多式联运基于帝国企鹅算法+遗传算法+粒子群算法求解不确定多式联运路径优化问题含matlab源码2073期
一、联运运输简介1引言运输问题(TransportationProblem)是一类特殊的线性规划问题,最早是由Hichcock于1941年提出的,由于它不仅能解决物资的合理调运和车辆的合理调度,而且许多实际问题如生产存储问题、工厂选址问题等经过适当变换... 查看详情
车间调度基于matlab改进的帝国企鹅算法求解车间调度问题含matlab源码2041期
一、车间调度简介1车间调度定义车间调度是指根据产品制造的合理需求分配加工车间顺序，从而达到合理利用产品制造资源、提高企业经济效益的目的。车间调度问题从数学上可以描述为有n个待加工的零件要在m台机器上加... 查看详情
优化选址基于matlab帝国企鹅算法求解工厂-中心-需求点三级选址问题含matlab源码2081期
一、帝企鹅算法简介目前，关于帝企鹅算法在国内外研究较少，在中对该算法进行了分析，并且与常见的粒子群算法、萤火虫算法进行了对比分析.帝企鹅从事各种活动，如狩猎、群体觅食，是群居性动物.每当... 查看详情
优化选址基于matlab帝国企鹅算法求解工厂-中心-需求点三级选址问题含matlab源码2081期
一、帝企鹅算法简介目前，关于帝企鹅算法在国内外研究较少，在中对该算法进行了分析，并且与常见的粒子群算法、萤火虫算法进行了对比分析.帝企鹅从事各种活动，如狩猎、群体觅食，是群居性动物.每当... 查看详情
优化调度基于matlab改进的遗传算法求解风电场优化调度问题含matlab源码1245期
一、遗传算法简介1引言2遗传算法理论2.1遗传算法的生物学基础2.2遗传算法的理论基础 查看详情
优化调度基于matlab遗传和模拟退火算法求解码头泊位分配调度优化问题含matlab源码247期
一、遗传算法简介1引言2遗传算法理论2.1遗传算法的生物学基础2.2遗传算法的理论基础 查看详情
优化调度基于matlab粒子群算法求解经济调度优化问题含matlab源码1489期
一、粒子群算法简介1引言自然界中的鸟群和鱼群的群体行为一直是科学家的研究兴趣所在。生物学家CraigReynolds在1987年提出了一个非常有影响的鸟群聚集模型，在他的仿真中，每一个个体都遵循：避免与邻域个体相撞：匹配邻域... 查看详情
优化调度基于matlab遗传算法求解公交车调度排班优化问题含matlab源码2212期
...客流需求的前提下,尽量减少不必要的投入,这是个多目标优化问题。 查看详情
优化调度基于matlab遗传算法求解工件的并行调度组合优化问题含matlab源码2234期
⛄一、遗传算法简介1问题描述假定一个加工系统有m台机器和n件工件，每个工件包含一道或多道工序,工件的加工顺序是确定的,但每个工件可能有几条可行的加工路线,即每道工序可在多台不同的机床上加工,工序的加工时间和... 查看详情
优化调度基于matlab粒子群算法求解水火电调度优化问题含matlab源码1181期(代码片段)
一、简介粒子群算法源于复杂适应系统（ComplexAdaptiveSystem,CAS）。CAS理论于1994年正式提出，CAS中的成员称为主体。比如研究鸟群系统，每个鸟在这个系统中就称为主体。主体有适应性，它能够与环境及其他的主... 查看详情
优化调度基于matlab粒子群算法求解经济调度优化问题含matlab源码1489期(代码片段)
一、粒子群算法简介1引言自然界中的鸟群和鱼群的群体行为一直是科学家的研究兴趣所在。生物学家CraigReynolds在1987年提出了一个非常有影响的鸟群聚集模型，在他的仿真中，每一个个体都遵循：避免与邻域个体相撞... 查看详情
优化调度基于matlab遗传算法求解孤岛型微电网（成本最低）调度优化问题含matlab源码1163期(代码片段)
...2遗传算法的特点和应用遗传算法是一类可用于复杂系统优化的具有鲁棒性 查看详情
优化调度基于matlab非支配排序遗传算法求解车辆充电调度优化问题含matlab源码2000期(代码片段)
一、遗传算法简介由于国内外人民的生活方式和电动汽车主要购买人群的不同，国内外关于车辆充电调度问题研究的侧重点也不尽相同。我国地大物博，人口众多，交通复杂。主要从以下方面研究：1、通过经济手... 查看详情
优化调度基于matlab蚁群算法求解无等待流水线调度优化问题含matlab源码1516期.zip(代码片段)
...提出了群智能算法。其中，模拟蚁群觅食过程的蚁群优化算法(AntColonyOptimization，ACO)和模拟鸟群运动方式的粒子群算法(ParticleSwarmOptimization， 查看详情
微电网优化基于matlab粒子群算法求解微网经济调度和环境友好调度优化问题含matlab源码2283期
...式获取代码方式1：完整代码已上传我的资源：【微电网优化】基于matlab粒子群算法求解微网经济调度和环境友好调度优化问题【含Matlab源码2283期】点击上面蓝色字体，直接付费下载，即可。获取代码方式2：付费专栏Matlab电力系... 查看详情
优化调度基于matlab粒子群算法求解水电厂优化调度购电最小问题含matlab源码1234期
一、粒子群算法简介1引言自然界中的鸟群和鱼群的群体行为一直是科学家的研究兴趣所在。生物学家CraigReynolds在1987年提出了一个非常有影响的鸟群聚集模型，在他的仿真中，每一个个体都遵循：避免与邻域个体相撞：匹配邻域... 查看详情