粒子群优化灰色预测模型GM(1,1)（代码完整，数据齐全）

%% 清空环境 clc clear, close all X=[-6.9602 -6.9781 -6.9882 -6.9585 -7.09596 -7.299596 -7.69596 -8.39596 -8.99596 -9.99596]; % load maydata.mat %% 参数初始化 %粒子群算法中的两个参数 c1 = 1.49445; c2 =1.49445; maxgen=30; % 进化次数 sizepop=20; %种群规模 Vmax=0.25; Vmin=-0.25; popmax=1; popmin=0; %% 产生初始粒子和速度 for i=1:sizepop %随机产生一个种群 pop(i,:)=1*rand(1,2); %初始种群 V(i,:)=0.25*rand(1,2); %初始化速度 %计算适应度 fitness(i)=fun(X,pop(i,:)); %染色体的适应度 end %% 个体极值和群体极值 [bestfitness bestindex]=max(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,:)+V(j,:); pop(j,find(pop(j,:)>popmax))=popmax; pop(j,find(pop(j,:)<popmin))=popmin; %适应度值 fitness(j)=fun(X,pop(j,:)); end for j=1:sizepop %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(abs(yy)) legend('','') zbest abs(fitnesszbest) title('最优个体适应度','fontsize',12); xlabel('进化代数','fontsize',12);ylabel('适应度','fontsize',12); yuce(X,zbest(1)) %如需帮助，联系作者QQ2027771338