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
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?
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)