哪位大神能帮我翻译一下这段程序-------粒子群优化算法

清除所有

中图分类号

% % %的0418s标准粒群优化算法程序2007.1.9郏宣耀%测试函数：F（x，y）= 100（x ^ 2-y）^ 2 +（1-x）^ 2，2.048＜x，y＜2.048%求解函数最小值

tic

%程序初始化

n＝10；

Ni = 1000；%设置进掘物化代数

设置种群规模大小popsize = 50；%

max_velocity = 100 *的（1，n）；%最大速度限制

XMAX = 100 *的（1，n）；xmin = 100 *的（1，n）；

C1 = 2；C2 = 2；iw_min = 0.4；iw_max = 0.9；

%%%%%%%%% 1111111111111111111111111111111111111111111111111111111111111111

流行= 0（popsize，N + 1）= 0；记忆体（popsize，n + 1）；速度=零（popsize，N）；最优=零（1，n + 1）；

记忆体（：，n + 1）=信息*人（popsize，亮缓1）；进行（n + 1）= inf；

我= 1：popsize

对于j = 1：n

流行（I，J）= Xmin（J）+ rand() *（Xmax（J）- XMIN（j））；

速度（I，J）= Xmin（J）+ rand() *（Xmax（J）- XMIN（j））；

结束

结束

对于ni＝1：ni

我= 1：popsize

d出（i，n + 1）= 0；

对于j = 1：n

POP（i，n + 1）= POP（i，n + 1）+ POP（i，j）2；

结束

如果流行（i，n + 1）<pbest（i，n + 1）

记忆体（我，：）=流行（我，：）；

如果记忆体（i，n + 1）<gBest（n + 1）

gBest = pbest（我，：）；

结束

结束

结束

IW（Ni）= iw_max -（iw_max-iw_min）*镍/镍；

我= 1：popsize

对于j = 1：n

速度（I，J）= IW（Ni）*速度（I，J）+ C1 * rand() *（pbest（i，j）（i，j）流行）+ C2 * rand() *（gBest（J）-（i，j）的敬散模流行率更新速度）；

如果速度（I，J）>max_velocity（J）

速度（I，J）= max_velocity（J）；

“（i，j）的速度有max_velocity（J）

速度（I，J）= - max_velocity（J）；

结束

d出（i，j）=d出（i，j）+速度（i，j）；

如果流行（I，J）＞Xmax（J）

流行（I，J）= Xmax（J）；

“（i，j）流行<<XMIN（J）

流行（I，J）= Xmin（J）；

结束

结束

结束

fbest1（Ni）= gBest（n + 1）；

结束

FF1 = gBest（n + 1）；

x＝1：ni；

图形、符号学（x，fbest1，’B’）；

传说（'pso”）；

xlabel（'generation '）；ylabel（“平均值”为标题的功能）；（'sphere功能）；

%% fitness(i)=fitness(pop(i,:)) %染色体的适应度

这个函数是需要你根据你带扰的实际问蠢老旦题来编写的。

图像显示问题自行百度imshow函含旁数。

%不知道你具体的问题纤迹是什么，下面是一个最基本的pso算法解决函数极值问题，如果是一些大型的问题，需要对速度、惯性常数、和自适应变异做进一步优化，希望对你有帮助

function y = fun(x)

y=-20*exp(-0.2*sqrt((x(1)^2+x(2)^2)/2))-exp((cos(2*pi*x(1))+cos(2*pi*x(2)))/2)+20+2.71289

%下面是主程序

%% 清空环境

clc

clear

%% 参数初始化

%粒子群算法中的两个参数

c1 = 1.49445

c2 = 1.49445

maxgen=200 % 进化次数

sizepop=20 %种群规模

Vmax=1%速度限制

Vmin=-1

popmax=5%种群限制

popmin=-5

%% 产生初始粒子和速度

for i=1:sizepop

%随机产生一个种群

pop(i,:)=5*rands(1,2) %初始种群

V(i,:)=rands(1,2) %初始化速度

%计算适应度

fitness(i)=fun(pop(i,:)) %染色体的适应码昌度

end

%找最好的染色体

[bestfitness bestindex]=min(fitness)

zbest=pop(bestindex,:) %全局最佳

gbest=pop %个体最佳

fitnessgbest=fitness %个体最佳适应度值

fitnesszbest=bestfitness %全局最佳适应度值

%% 迭代寻优

for i=1:maxgen

for j=1:sizepop

%速度更新

V(j,:) = V(j,:) + c1*rand*(gbest(j,:) - pop(j,:)) + c2*rand*(zbest - pop(j,:))

V(j,find(V(j,:)>Vmax))=Vmax

V(j,find(V(j,:)<Vmin))=Vmin

%种群更新

pop(j,:)=pop(j,:)+0.5*V(j,:)

pop(j,find(pop(j,:)>popmax))=popmax

pop(j,find(pop(j,:)<popmin))=popmin

%自适应变异（避免粒子群算法陷入局部最优）

if rand>0.8

k=ceil(2*rand)%ceil朝正无穷大方向取整

pop(j,k)=rand

end

%适应度值

fitness(j)=fun(pop(j,:))

%个体最优更新

if fitness(j) <fitnessgbest(j)

gbest(j,:) = pop(j,:)

fitnessgbest(j) = fitness(j)

end

%群体最优更新

if fitness(j) <fitnesszbest

zbest = pop(j,:)

fitnesszbest = fitness(j)

end

end

yy(i)=fitnesszbest

end

%% 结果分析

plot(yy)

title(['适应度曲线 ' '终止代数毁模并＝' num2str(maxgen)])

xlabel('进化代数')ylabel('适应度')

以上回答你满意么？

---