MATLAB: Help for the probel in Firefly Algorithm for PSS, in fitness particle is not run


%% -------------------------------------------------------- %
%% Bismillaahirrahmaanirrahiim                              %
%% Firefly Algorithm
%%--------------------------------------------------------- %
clc
%Parameter PSS
Ks=20;
T1=0.02;
T2=0.05;
T3=3;
T4=5.4;
T5=2;
 
%% Parameter of FireFly
% Td1  Td2  Td3  Td4  Td5  Td6
  Ub=[5 25 1 1 5 5.5];  % Batas atas parameter
  Lb=[0.5 0 0 0 0 0];  % Batas bawah parameter
  etol=10e-5;
% Inisialisasi acak
  u0=(Lb+Ub)/2; ns=zeros(20,6);
% Algorithm's parameters
  %para=[n MaxGeneration alpha betamn gamma]
  %para=[20 50 0.35 0.20 1]
% n             = Jumlah kunang-kunang
% MaxGeneration = Jumlah iterasi
% ------------------------------------------------

% alpha=0.25;      % Nilai acak 0--1
% betamn=0.20;     % Nilai beta minimum
% gamma=1;         % Koefisien absorbsi
% ------------------------------------------------
  n=10;  MaxGeneration=5;
  alpha=0.35; betamin=0.2; gamma=1;
% Menghitung dimensi pencarian kunang-kunang
  d=length(u0);
%Inisialisasi awal kandidat solusi
for ikj=1:n
      ns(ikj,:)=Lb+(Ub-Lb).*rand(1,d); % Kolom = Dimensi, dan Baris = FireFly
end
% Inisialisasi nilai fitness sebelum evaluasi
  Lightn = ones(n,1);
% Looping Evaluasi algoritma kunang-kunang
  hfig = figure(1);
  hold on
  title('Behaviour of FireFly Algorithm Graphic');
  set(hfig, 'position', [50,40,600,300]);
  set(hfig, 'DoubleBuffer', 'on');
  hbestplot = plot(1:MaxGeneration,zeros(1,MaxGeneration),'-');
  xlabel('Iteration');
  ylabel('Fitness Function');
  hold off
  drawnow;
  kq=1;
while kq<=MaxGeneration
  % start iterasi
%Menghitung nilai alpha yang baru
        delta=1-(0.005/0.9)^(1/MaxGeneration);
        alpha=(1-delta)*alpha;
%Evaluasi fungsi fitness (untuk semua kunang-kunang)
for ikj=1:n
            Ks_FF          = ns(ikj,1);
            T1_FF          = ns(ikj,2);
            T2_FF          = ns(ikj,3);
            T3_FF          = ns(ikj,4);
            T4_FF          = ns(ikj,5);
            T5_FF          = ns(ikj,6);
            
           
sim('SkripsiKu')
        t1=f.time; 
        y1=f.signals.values;
        for i=1:800
           error(i)=t1(i)*abs(y1(i));
        end
        ee_itae=sum(error);
        fitness_particle(ikj)=ee_itae;
            zn(ikj)      = fitness_particle(ikj);
            Lightn(ikj)  = zn(ikj);
end
% Merangking kunang-kunang berdasarkan intensitas cahaya
% masing-masing 
        [Lightn,Index]=sort(zn);
        ns_tmp=ns;
for ikj=1:n
           ns(ikj,:)=ns_tmp(Index(ikj),:);
end
      %% Mencari kunang-kunang yang terbaik
        nso=ns; Lighto=Lightn;
        nbest=ns(1,:); Lightbest=Lightn(1);
% Gerakkan semua kunang-kunang ke lokasi yang lebih baik
% Faktor skala pada sistem
        scale=abs(Ub-Lb);
% Mengupdate posisi kunang-kunang 
for ikj=1:n
% Parameter Attractiveness Kunang-Kunang : beta=exp(-gamma*r)
for jkj=1:n
                r=sqrt(sum((ns(ikj,:)-ns(jkj,:)).^2));
% MengUpdate Pergerakan kunang-kunang
% Apakah lebih terang dan attractive
if Lightn(ikj)>Lighto(jkj)
                   beta0=1; beta=(beta0-betamin)*exp(-gamma*r.^2)+betamin;
                   tmpf=alpha.*(rand(1,d)-0.5).*scale;
                   ns(ikj,:)=ns(ikj,:).*(1-beta)+nso(jkj,:).*beta+tmpf;
end
end % akhir untuk j
% Konstraint
for irg=1:3
if ns(ikj,irg)<=Lb(irg)
                   ns(ikj,irg) =Lb(irg) ;
elseif ns(ikj,irg)>=Ub(irg)
                   ns(ikj,irg) =Ub(irg);
end
end
end % akhir untuk i
   plotvector=get(hbestplot,'Ydata');
   plotvector(kq)=Lightn(1);
   set(hbestplot,'Ydata',plotvector);
   drawnow
   kq=kq+1;
end %%Akhir Iterasi 
   Ks_FF   = nbest(1);
   T1_FF   = nbest(2);
   T2_FF   = nbest(3);
   T3_FF   = nbest(4);
   T4_FF   = nbest(5);
   T5_FF   = nbest(6);
% FF.m
% Displaying FF.m.
Best Answer
