clear all; %清除所有变量
clc; %清屏
format long; %将数据显示为长整形科学计数
%------给定初始条条件------------------
N=40; %?初始化群体个数
D=10; %初始化群体维数
T=100; %初始化群体最迭代次数
c11=2; %学习因子1
c21=2; %学习因子2
c12=1.5;
c22=1.5;
w=1.2; %惯性权重
eps=10^(-6); %设置精度(在已知最小值的时候用)
%------初始化种群个体(限定位置和速度)------------
x=zeros(N,D);
v=zeros(N,D);
for i=1:N
for j=1:D
x(i,j)=randn; %随机初始化位置
v(i,j)=randn; %随机初始化速度
end
end
%------显示群位置----------------------
figure(1)
for j=1:D
if(rem(D,2)>0)
subplot((D+1)/2,2,j)
else
subplot(D/2,2,j)
end
plot(x(:,j),'b*');grid on
xlabel('粒子')
ylabel('初始位置')
tInfo=strcat('第',char(j+48),'维');
if(j>9)
tInfo=strcat('第',char(floor(j/10)+48));
char(rem(j,10)+48,'维');
end
title(tInfo)
end
%------显示种群速度
figure(2)
for j=1:D
if(rem(D,2)>0)
subplot((D+1)/2,2,j)
else
subplot(D/2,2,j)
end
plot(x(:,j),'b*');grid on
xlabel('粒子')
ylabel('初始速度')
tInfo=strcat('第',char(j+48),'维');
if(j>9)
tInfo=strcat('第',char(floor(j/10)+48));
char(rem(j,10)+48,'维');
end
title(tInfo)
end
figure(3)
%第一个图
subplot(1,2,1)
%------初始化种群个体(在此限定速度和位置)------------
x1=x;
v1=v;
%------初始化个体最优位置和最优值---
p1=x1;
pbest1=ones(N,1);
for i=1:N
pbest1(i)=fitness(x1(i,:),D);
end
%------初始化全局最优位置和最优值---------------
g1=1000*ones(1,D);
gbest1=1000;
for i=1:N
if(pbest1(i)<gbest1)
g1=p1(i,:);
gbest1=pbest1(i);
end
end
gb1=ones(1,T);
%-----浸入主循环,按照公式依次迭代直到满足精度或者迭代次数---
for i=1:T
for j=1:N
if (fitness(x1(j,:),D)<pbest1(j))
p1(j,:)=x1(j,:);
pbest1(j)=fitness(x1(j,:),D);
end
if(pbest1(j)<gbest1)
g1=p1(j,:);
gbest1=pbest1(j);
end
v1(j,:)=w*v1(j,:)+c11*rand*(p1(j,:)-x1(j,:))+c21*rand*(g1-x1(j,:));
x1(j,:)=x1(j,:)+v1(j,:);
end
gb1(i)=gbest1;
end
plot(gb1)
TempStr=sprintf('c1= %g ,c2=%g',c11,c21);
title(TempStr);
xlabel('迭代次数');
ylabel('适应度值');
%第二个图
subplot(1,2,2)
%-----初始化种群个体(在此限定速度和位置)------------
x2=x;
v2=v;
%-----初始化种群个体最有位置和 最优解-----------
p2=x2;
pbest2=ones(N,1);
for i=1:N
pbest2(i)=fitness(x2(i,:),D);
end
%-----初始化种全局最有位置和 最优解------
g2=1000*ones(1,D);
gbest2=1000;
for i=1:N
if(pbest2(i)<gbest2)
g2=p2(i,:);
gbest2=pbest2(i);
end
end
gb2=ones(1,T);
%------浸入主循环,按照公式依次迭代直到满足精度或者迭代次数---
for i=1:T
for j=1:N
if (fitness(x2(j,:),D)<pbest2(j))
p2(j,:)=x2(j,:);
pbest2(j)=fitness(x2(j,:),D);
end
if(pbest2(j)<gbest2)
g2=p2(j,:);
gbest2=pbest2(j);
end
v2(j,:)=w*v2(j,:)+c12*rand*(p2(j,:)-x2(j,:))+c22*rand*(g2-x2(j,:));
x2(j,:)=x2(j,:)+v2(j,:);
end
gb2(i)=gbest2;
end
plot(gb2)
TempStr=sprintf('c1= %g ,c2=%g',c12,c22);
title(TempStr);
xlabel('迭代次数');
ylabel('适应度值');
%适应度函数(fitness.m)
function result=fitness(x,D)
sum=0;
for i=1:D
sum=sum+x(i)^2;
end
result=sum;