PYTHON code and MATLAB code for "Multi-fidelity Meta-optimization for Nature Inspired Optimization Algorithms"

(version 2) We add the MATLAB version (multi-fidelity-parameter-tuning-matlab.zip) , hoping researchers who program with MATLAB will find it helpful. The structure of the MATLAB code is: 1. Algorithm (Algorithm.m): 1.1 Basic Algorithm: 1.1.1 PSO.m 1.1.2 GWO.m 2.2 Multi-fidelity Parameter Tuning: 2.2.1 FidelityControlFunction.m 2.2.2 MFOptimizedNIO.m 2.2.2.1 MFOptimizedPSO.m 2.2.3 MFMetaGWO.m 2. Cost Function: 2.1 SphereFunc.m 2.2 CEC14Func.m 2.2.1 input_data 2.2.2 cec14_func.cpp 2.2.3 cec14_func.mexw64 3. Demo: 3.1 DemoMF.m One can run demo as follows: 1. Go into project root: `/multi-fidelity-parameter-tuning-matlab` 2. Run the following command in MATLAB window: ``` DemoMF ``` One can compile CEC 2014 as follows: Run the following command to create CEC 2014 library in MATLAB: ``` mex cec14_func.cpp -DWINDOWS ``` ----------- (version 1) The python code is used in the manuscript "Multi-fidelity Meta-optimization for Nature Inspired Optimization Algorithms" submitted to "Applied soft computing". The programming environment is: Python 3.6 or higher. The folders in the package include: 1. algorithms: Basic algorithms, including base class 'Algorithm' and [CS, DE, FOA, GWO, KH, PSO, SSA, WWO, WOA]. 2. applications: An engineering application: source term estimation. 3. benchmarks: Test functions, including base class 'Benchmark', basic test functions and 'CEC2014 Benchmark Suite'. 4. demo: Examples. 5. parameter_tuning: Multi-fidelity meta-NIOs and optimized-NIOs. If you prefer using the command line to run the program, please do not forget to manually add the working directory to 'sys.path'.

(版本2) 本次更新新增了MATLAB版本压缩包（multi-fidelity-parameter-tuning-matlab.zip），以期为使用MATLAB进行开发的研究人员提供参考与帮助。该MATLAB代码的目录结构如下：
1. 算法模块（Algorithm.m）：
1.1 基础算法：
1.1.1 PSO.m
1.1.2 GWO.m
2.2 多保真度参数调优：
2.2.1 FidelityControlFunction.m
2.2.2 MFOptimizedNIO.m
2.2.2.1 MFOptimizedPSO.m
2.2.3 MFMetaGWO.m
2. 代价函数：
2.1 SphereFunc.m
2.2 CEC14Func.m
2.2.1 input_data
2.2.2 cec14_func.cpp
2.2.3 cec14_func.mexw64
3. 演示示例：
3.1 DemoMF.m

可按照以下步骤运行演示程序：
1. 进入项目根目录：`/multi-fidelity-parameter-tuning-matlab`
2. 在MATLAB命令窗口中执行如下指令：

DemoMF

若需编译CEC 2014相关库文件，可在MATLAB中执行以下指令生成对应库文件：

mex cec14_func.cpp -DWINDOWS

--- (版本1) 本Python代码对应投稿至《Applied Soft Computing》的学术论文《Multi-fidelity Meta-optimization for Nature Inspired Optimization Algorithms》。其运行所需的编程环境为Python 3.6及以上版本。该安装包内含以下文件夹：
1. algorithms：基础算法模块，包含基类`Algorithm`以及[CS（布谷鸟搜索算法，Cuckoo Search）、DE（差分进化算法，Differential Evolution）、FOA（果蝇优化算法，Fruit Fly Optimization Algorithm）、GWO（灰狼优化算法，Grey Wolf Optimizer）、KH（磷虾群算法，Krill Herd）、PSO（粒子群优化算法，Particle Swarm Optimization）、SSA（麻雀搜索算法，Sparrow Search Algorithm）、WWO（波浪优化算法，Wave Optimization Algorithm）、WOA（鲸鱼优化算法，Whale Optimization Algorithm）]等算法实现。
2. applications：工程应用模块，涵盖源项估计相关研究内容。
3. benchmarks：测试函数集，包含基类`Benchmark`、基础测试函数以及《CEC2014 Benchmark Suite》。
4. demo：示例演示模块。
5. parameter_tuning：多保真度元自然启发优化算法与优化型自然启发优化算法模块。

若偏好通过命令行运行程序，请务必手动将工作目录添加至`sys.path`中。

搜集汇总

背景与挑战

背景概述

该数据集提供了Python和MATLAB代码，用于实现'多保真度元优化'技术，旨在优化自然启发算法（如粒子群优化PSO和灰狼优化GWO）。它包括算法实现、测试函数（如CEC2014基准套件）和一个工程应用示例（源项估计），支持研究人员跨编程语言进行高效算法调优和实验验证。