金豺算法优化VMD参数，六种适应度函数任意切换，最小包络熵、样本熵、信息熵、排列熵、排列熵/互信息熵、包络谱峰值因子...

本文主要是介绍金豺算法优化VMD参数，六种适应度函数任意切换，最小包络熵、样本熵、信息熵、排列熵、排列熵/互信息熵、包络谱峰值因子...，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

声明：对于作者的原创代码，禁止转售倒卖，违者必究！

本期采用金豺优化算法(Golden Jackal optimization, GJO)优化VMD参数。选取六种适应度函数进行优化，以此确定VMD的最佳k和α参数。6种适应度函数分别是：最小包络熵，最小样本熵，最小信息熵，最小排列熵，排列熵/互信息熵，包络谱峰值因子，代码中可以一键切换。

关于优化VMD参数的更多详细内容还可以参考这一篇：运行速度终于变快了！优化VMD参数，五种适应度函数任意切换，最小包络熵、样本熵、信息熵、排列熵、排列熵/互信息熵

金豺优化算法于2022年发表在中科院1区top SCI期刊《Expert Systems with Applications》上，属于高被引论文，深受欢迎。谷歌学术被引次数为167次。

对于前面五种适应度函数，之前的文章介绍过很多了。本文新增一个包络谱峰值因子作为适应度函数，关于包络谱峰值因子的介绍如下：

参考文献：张龙,熊国良,黄文艺.复小波共振解调频带优化方法和新指标[J].机械工程学报,2015,51(03):129-138.

至于应该选择哪种作为自己的适应度函数，大家可以看这篇文章。VMD为什么需要进行参数优化，最小包络熵/样本熵/排列熵/信息熵，适应度函数到底该选哪个

同样以西储大学数据集为例，选用105.mat中的X105_BA_time.mat数据中1000个数据点。没有数据的看这篇文章。西储大学轴承诊断数据处理，matlab免费代码获取

1.最小包络熵作为适应度函数

2.最小样本熵作为适应度函数

3.最小信息熵作为适应度函数

4.最小排列熵作为适应度函数

5.复合指标作为适应度函数

有关复合指标的介绍如下：

结果图：

6.包络谱峰值因子作为适应度函数

本文的部分代码

%% 以最小包络熵、最小样本熵、最小信息熵、最小排列熵，排列熵/互信息熵，包络谱峰值因子，为目标函数（任选其一），采用金豺算法优化VMD，求取VMD最佳的两个参数
clear
clc
close all
%选取数据
load 105.mat
data = X105_DE_time(6001:7000); %这里选取105的DEtime数据，注意这里替换为自己的数据即可，数据形式为n行*1列，列数必须为1。
%% 选取适应度函数类型
xz = 1;  
% 选择1，以最小包络熵为适应度函数，
% 选择2，以最小样本熵为适应度函数，
% 选择3，以最小信息熵为适应度函数，
% 选择4，以最小排列熵为适应度函数，
% 选择5，以复合指标：排列熵/互信息熵为适应度函数。
% 选择6，以包络谱峰值因子为适应度函数。
if xz == 1  fobj=@(x)EnvelopeEntropyCost(x,data);          %最小包络熵
elseif xz == 2fobj=@(x)SampleEntropyCost(x,data);            %最小样本熵
elseif xz == 3  fobj=@(x)infoEntropyCost(x,data);              %最小信息熵
elseif xz == 4fobj=@(x)PermutationEntropyCost(x,data);       %最小排列熵
elseif xz == 5fobj=@(x)compositeEntropyCost(x,data);       %复合指标：排列熵/互信息熵
elsefobj=@(x)Envelopepeakfactor(x,data);       %复合指标：排列熵/互信息熵
end%% 设置参数
lb = [100 3];    %惩罚因子和K的下限
ub = [2500 10];  %惩罚因子和K的上限
dim = 2;            % 优化变量数目
Max_iter=20;       % 最大迭代数目
SearchAgents_no=30;       %种群规模
%% 调用GJO函数
[GTO_bestfit, GJO_bestX, GJO_Convergence_curve] = GJO(SearchAgents_no,Max_iter,lb,ub,dim,fobj);
%% 画适应度函数曲线图，并输出最佳参数
if xz == 6GJO_Convergence_curve = -GJO_Convergence_curve;GTO_bestfit = -GTO_bestfit;
end
figure
plot(GJO_Convergence_curve,'Color',[0.9 0.5 0.1],'Marker','>','LineStyle','--','linewidth',1);title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
legend('GJO优化VMD')
display(['The best solution obtained by GJO is : ', num2str(fix(GJO_bestX))]);  %输出最佳位置
display(['The best optimal value of the objective funciton found by GJO is : ', num2str(GTO_bestfit)]);  %输出最佳适应度值

大家注意看到xz这个变量，当选择1，以最小包络熵为适应度函数，选择2，以最小样本熵为适应度函数，选择3，以最小信息熵为适应度函数，选择4，以最小排列熵为适应度函数，选择5，以复合指标：排列熵/互信息熵为适应度函数。，选择6，以包络谱峰值因子为适应度函数。这样大家切换起来就很方便了。

代码获取方式：支付后会显示网盘链接！