粒子群算法求解函数极值 matlab

% 标准粒子群(实数编码),求最小值 % author zhaoyuqiang clear all ; close all ; clc ; N = 100 ; %　种群规模 D = 10 ; % 粒子维度 T = 100 ; %　迭代次数 Xmax = 20 ; Xmin = -20 ; C1 = 1.5 ; %　学习因子1 C2 = 1.5 ; %　学习因子2 W = 0.8 ; %　惯性权重 Vmax = 10 ; %　最大飞行速度 Vmin = -10 ; %　最小飞行速度 popx = rand(N,D)*(Xmax-Xmin)+Xmin ; % 初始化粒子群的位置(粒子位置是一个D维向量) popv = rand(N,D)*(Vmax-Vmin)+Vmin ; % 初始化粒子群的速度(粒子速度是一个D维度向量) % 初始化每个历史最优粒子 pBest = popx ; pBestValue = func_fitness(pBest) ; %初始化全局历史最优粒子 [gBestValue,index] = max(func_fitness(popx)) ; gBest = popx(index,:) ; for t=1:T for i=1:N % 更新个体的位置和速度 popv(i,:) = W*popv(i,:)+C1*rand*(pBest(i,:)-popx(i,:))+C2*rand*(gBest-popx(i,:)) ; popx(i,:) = popx(i,:)+popv(i,:) ; % 边界处理，超过定义域范围就取该范围极值 index = find(popv(i,:)>Vmax | popv(i,:)<Vmin); popv(i,index) = rand*(Vmax-Vmin)+Vmin ; %#ok<*FNDSB> index = find(popx(i,:)>Xmax | popx(i,:)<Xmin); popx(i,index) = rand*(Xmax-Xmin)+Xmin ; % 更新粒子历史最优 if func_fitness(popx(i,:))>pBestValue(i) pBest(i,:) = popx(i,:) ; pBestValue(i) = func_fitness(popx(i,:)); elseif pBestValue(i) > gBestValue gBest = pBest(i,:) ; gBestValue = pBestValue(i) ; end end % 每代最优解对应的目标函数值 tBest(t) = func_objValue(gBest); %#ok<*SAGROW> end figure plot(tBest); xlabel('迭代次数') ; ylabel('适应度值') ; title('适应度进化曲线') ;