引入自适应变异的粒子群算法

%% 清空环境 clc clear %% 参数初始化 %粒子群算法中的两个参数 c1 = 2; c2 = 2; maxgen=500; % 进化次数 sizepop=100; %种群规模 Vmax=0.1; Vmin=-0.1; popmax=1; popmin=-1; %% 产生初始粒子和速度 load 2019tidal inputnum=6; outputnum=1; hiddennum=10; %训练数据和预测数据 input_train=input(1:720,:)'; input_test=input(721:960,:)'; output_train=output(1:720)'; output_test=output(721:960)'; %选连样本输入输出数据归一化 [inputn,inputps]=mapminmax(input_train); [outputn,outputps]=mapminmax(output_train); %构建网络 net=newff(inputn,outputn,hiddennum); numsum=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum; 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,:),inputnum,hiddennum,outputnum,net,inputn,outputn); %染色体的适应度 end %% 个体极值和群体极值 [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 %粒子位置和速度更新 %w(i)=1.2-0.8*i/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; %自适应变异代码 if rand>0.9 k=ceil(2*rand); pop(j,k)=rand; end %新粒子适应度值 fitness(j)=fun(pop(j,:),inputnum,hiddennum,outputnum,net,inputn,outputn); end %个体极值和群体极值更新 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 figure(1) plot(yy) title('最优个体适应度','fontsize',12); xlabel('进化代数','fontsize',12);ylabel('适应度','fontsize',12);