“十二生肖算法”+13种常用算法优化ICEEMDAN，五种适应度函数任意切换，学会这一篇，小白也会改代码！...

一共是25种算法！算法之间切换十分简单，作者已经写好了一个变量number，只要修改这个数字，即可实现算法的简单切换！仿照此写法，大家也可以简单的替换自己想要的算法！其实作者公众号上讲过的算法，基本上都可以替换进去！大家可以自行尝试。

算法一键切换代码如下：

修改这里的number数字，即可调用str字符串中不同的算法。程序的其他地方除了替换下数据之外，都不用动！

number = 1;   %修改数字，分别对应下面的算法，实现一键切换算法。1是RSO，2是BSA，3是BEH，以此类推
str={'RSO','BAS','BEH','ARO','CSA','SO','WHO','GOA','CapSA','COOT','DOA','JSOA','COA','DBO','GJO','GWO','OOA','PSO','SABO','SCSO','SSA','BWO','RIME','WOA','HHO'};
% 鼠群优化算法RSO
% 天牛须搜索BAS
% -蜂虎狩猎算法（BEH）
% -人工兔优化(ARO)算法
% -变色龙（CSA）
% -蛇优化算法（SO）
% 野马算法(WHO)
% 羚羊优化算法(GOA)
% 卷尾猴搜索算法(CAPSA)
% -白骨顶鸡优化算法(COOT)
% 澳洲州野狗优化算法(DOA)
% 浣熊优化算法(COA)
% 蜣螂优化算法(DBO)
% 金豺优化算法(GJO)
% 灰狼优化算法(GWO)
% 鱼鹰优化算法(OOA)
% 粒子群算法(PSO)
% 减法优化器算法(SABO)
% 沙猫群优化算法(SCSO)
% 麻雀优化算法(SSA)
% 白鲸优化算法(BWO)
% 霜冰优化算法(RIME)
% 鲸鱼优化算法(WOA)
% 哈里斯鹰优化算法(HHO)

代码还可以一键切换适应度函数，代码如下。改变这里的xz，即可随意切换适应度函数！

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。参考文献：参数优化变分模态分解的GNSS坐标时间序列降噪方法_鲁铁定
if xz == 1
    fobj=@(x)EnvelopeEntropyCost(x,da);          %最小包络熵
elseif xz == 2
    fobj=@(x)SampleEntropyCost(x,da);            %最小样本熵
elseif xz == 3
    fobj=@(x)infoEntropyCost(x,da);             %最小信息熵
elseif xz == 4
    fobj=@(x)PermutationEntropyCost(x,da);      %最小排列熵
elseif xz == 5
    fobj=@(x)compositeEntropyCost(x,da);     %以复合指标：排列熵/互信息熵为适应度函数。
end

关于本期提到的五种适应度函数的介绍，可以参考以下链接：

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

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

以上两篇文章虽然是讲VMD分解的，但是这个适应度函数对于ICEEMDAN分解同样适用！

结果展示

由于算法众多，本篇就以最小包络熵作为适应度函数为例进行展示：

数据选取西储大学轴承数据的105.mat，此数据就是一个60多万行1列的时间序列数据，因此大家可以轻易替换数据！

这里随机挑选了几个算法进行展示，所有算法作者均已跑过，均无问题！

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，为目标函数（任选其一），采用GWO算法优化ICEEMDAN，求取ICEEMDAN最佳的两个参数
clear
clc
close all
addpath(genpath(pwd))
%% 选取数据
load 105.mat
da = X105_DE_time(6501:6800); %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。
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。参考文献：参数优化变分模态分解的GNSS坐标时间序列降噪方法_鲁铁定
if xz == 1
    fobj=@(x)EnvelopeEntropyCost(x,da);          %最小包络熵
elseif xz == 2
    fobj=@(x)SampleEntropyCost(x,da);            %最小样本熵
elseif xz == 3
    fobj=@(x)infoEntropyCost(x,da);             %最小信息熵
elseif xz == 4
    fobj=@(x)PermutationEntropyCost(x,da);      %最小排列熵
elseif xz == 5
    fobj=@(x)compositeEntropyCost(x,da);     %以复合指标：排列熵/互信息熵为适应度函数。
end

%% 设置参数
lb = [0.15 50];    %噪声幅值权重的优化范围设置为[0.15,0.6]，噪声添加次数的优化范围为[50,600]
ub = [0.6 600];
dim = 2;            % 优化变量数目
Max_iter=15;       % 最大迭代数目
SearchAgents_no=20;       %种群规模,这里最好设置为偶数，因为有些算法会取种群的一半

代码注释十分详细！基本上行行都有注释！

代码目录如下