注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。

1.代码实现

不了解非洲野狗算法可以先看看优化算法笔记（三十七）非洲野狗算法
实现代码前需要先完成优化算法matlab实现（二）框架编写中的框架的编写

以及优化算法matlab实现（四）测试粒子群算法中的测试函数、函数图像的编写。

非洲野狗算法的个体有一个独有属性：存活率。
非洲野狗算法个体
文件名：.. /optimization algorithm/algorithm_dingo/DOA_Unit.m

% 非洲野狗算法个体
classdef DOA_Unit < Unit
    
    properties
        % 存活率
        survival_rate;
    end
    
    methods
        function self = DOA_Unit()
        end
    end
 
end

非洲野狗算法主体
文件名：.. /optimization algorithm/algorithm_dingo/DOA_Base.m

% 非洲野狗算法
classdef DOA_Base  < Algorithm_Impl
    
    properties
        % 算法名称
        name = 'DOA';
        
        P = 0.5;
    
        Q = 0.7;
    
        % 随机id区间
        na_ini;
        na_end;
      
    end
    
    % 外部可调用的方法
    methods
        function self = DOA_Base(dim,size,iter_max,range_min_list,range_max_list)
            % 调用父类构造函数
            self@Algorithm_Impl(dim,size,iter_max,range_min_list,range_max_list);
            self.name ='DOA';
            self.na_ini = 2;
            self.na_end = floor(self.size/2);
        end
    end
    
    % 继承重写父类的方法
    methods (Access = protected)
        % 初始化种群
        function init(self)
            init@Algorithm_Impl(self)
            %初始化种群
            for i = 1:self.size
                unit = DOA_Unit();
                % 随机初始化位置：rand(0,1).*(max-min)+min
                unit.position = unifrnd(self.range_min_list,self.range_max_list);
                % 计算适应度值
                unit.value = self.cal_fitfunction(unit.position);
                % 将个体加入群体数组
                self.unit_list = [self.unit_list,unit];
            end
        end
        
        % 每一代的更新
        function update(self,iter)
            update@Algorithm_Impl(self,iter)
            
            % 更新存活率
            self.update_survival_rate();
            
            self.update_position();
        end
        
        % 计算存活率
        function update_survival_rate(self)
            [value,index] = sort([self.unit_list.value],'descend');
            for i = 1:self.size
                % 根据是适应度函数计算存活率
                survival_rate = abs(value(1) - self.unit_list(i).value)/abs(value(1)-value(end))+realmin('double');
                self.unit_list(i).survival_rate=survival_rate;
            end
        end
        
        function update_position(self)
            % 获取随机个体
            na = randi([self.na_ini,self.na_end]);
            for i = 1:self.size
                beta1 = unifrnd(-2, 2);
                beta2 = unifrnd(-1, 1);
                if rand self.unit_list(i).value
                    self.unit_list(i).position = new_pos;
                    self.unit_list(i).value = new_value;
                end
            end
        end
        
        
        % 获取群体的平均位置
        function pos_sumatory = get_sumatory(self,na,id)
            % 随机排列id
            A = randperm(self.size);
            % 取前na+1个id
            r_ids = A(1:na+1);
            % 移除列表中值为id的元素
            r_ids(r_ids==id)=[];
            pos_sumatory = zeros(1,self.dim);
            for i = 1:length(r_ids)
                pos_sumatory = pos_sumatory + self.unit_list(id).position-self.unit_list(r_ids(i)).position;
            end  
            pos_sumatory = pos_sumatory/length(r_ids);
        end
        
        % 获取当前最优个体的id
        function best_id=get_best_id(self)
            % 求最大值则降序排列
            [value,index] = sort([self.unit_list.value],'descend');
            best_id = index(1);
        end

    end
end

function o=Levy(d)
beta=1.5;
sigma=(gamma(1+beta)*sin(pi*beta/2)/(gamma((1+beta)/2)*beta*2^((beta-1)/2)))^(1/beta);
u=randn(1,d)*sigma;v=randn(1,d);step=u./abs(v).^(1/beta);
o=step;
end

文件名：../optimization algorithm/algorithm_dingo/DOA_Impl.m
算法实现，继承于Base,图方便也可不写，直接用DOA_Base，这里为了命名一致。

% 非洲野狗算法实现
classdef DOA_Impl < DOA_Base
   
    % 外部可调用的方法
    methods
        function self = DOA_Impl(dim,size,iter_max,range_min_list,range_max_list)
            % 调用父类构造函数设置参数
             self@DOA_Base(dim,size,iter_max,range_min_list,range_max_list);
        end
    end 
end 

2.测试

测试F1
文件名：../optimization algorithm/algorithm_dingo/Test.m

%% 清理之前的数据
% 清除所有数据
clear all;
close all;
% 清除窗口输出
clc;

%% 添加目录
% 将上级目录中的frame文件夹加入路径
addpath('../frame')


%% 选择测试函数
Function_name='F1';
%[最小值，最大值，维度，测试函数]
[lb,ub,dim,fobj]=Get_Functions_details(Function_name);

%% 算法实例
% 种群数量
size = 50;
% 最大迭代次数
iter_max = 1000;
% 取值范围上界
range_max_list = ones(1,dim).*ub;
% 取值范围下界
range_min_list = ones(1,dim).*lb;

% 实例化非洲野狗算法类
base = DOA_Impl(dim,size,iter_max,range_min_list,range_max_list);
base.is_cal_max = false;
% 确定适应度函数
base.fitfunction = fobj;
% 运行
base.run();
disp(base.cal_fit_num);

%% 绘制图像
figure('Position',[500 500 660 290])
%Draw search space
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])
%Draw objective space
subplot(1,2,2);
% 绘制曲线，由于算法是求最大值，适应度函数为求最小值，故乘了-1，此时去掉-1
semilogy((base.value_best_history),'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
% 将坐标轴调整为紧凑型
axis tight
% 添加网格
grid on
% 四边都显示刻度
box off
legend(base.name)
display(['The best solution obtained by ',base.name ,' is ', num2str(base.value_best)]);
display(['The best optimal value of the objective funciton found by ',base.name ,' is ', num2str(base.position_best)]);

figure1.png