没有合适的资源?快使用搜索试试~ 我知道了~
(完整)粒子群算法matlab代码.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 142 浏览量
2022-11-20
15:10:31
上传
评论
收藏 1.07MB PDF 举报
温馨提示
试读
24页
。。。
资源推荐
资源详情
资源评论
(完整)粒子群算法 matlab 代码
(完整)粒子群算法 matlab 代码
编辑整理:
尊敬的读者朋友们:
这里是精品文档编辑中心,本文档内容是由我和我的同事精心编辑整理后发布的,发布之前我们
对文中内容进行仔细校对,但是难免会有疏漏的地方,但是任然希望( (完整)粒子群算法 matlab
代码)的内容能够给您的工作和学习带来便利。同时也真诚的希望收到您的建议和反馈,这将是
我们进步的源泉,前进的动力。
本文可编辑可修改,如果觉得对您有帮助请收藏以便随时查阅,最后祝您生活愉快 业绩进步,以
下为(完整)粒子群算法 matlab 代码的全部内容。
(完整)粒子群算法 matlab 代码
粒子群算法(1)—--—粒子群算法简介
一、粒子群算法的历史
粒子群算法源于复杂适应系统(Complex Adaptive System,CAS)。CAS 理论于 1994 年正
式提出,CAS 中的成员称为主体.比如研究鸟群系统,每个鸟在这个系统中就称为主体.主体有适
应性,它能够与环境及其他的主体进行交流,并且根据交流的过程“学习”或“积累经验"改
变自身结构与行为.整个系统的演变或进化包括:新层次的产生(小鸟的出生);分化和多样性
的出现(鸟群中的鸟分成许多小的群);新的主题的出现(鸟寻找食物过程中,不断发现新的食
物)。
所以 CAS 系统中的主体具有 4 个基本特点(这些特点是粒子群算法发展变化的依据):
首先,主体是主动的、活动的。
主体与环境及其他主体是相互影响、相互作用的,这种影响是系统发展变化的主要动力。
环境的影响是宏观的,主体之间的影响是微观的,宏观与微观要有机结合。
最后,整个系统可能还要受一些随机因素的影响。
粒子群算法就是对一个 CAS 系统---鸟群社会系统的研究得出的.
粒子群算法( Particle Swarm Optimization, PSO)最早是由 Eberhart 和 Kennedy 于
1995 年提出,它的基本概念源于对鸟群觅食行为的研究。设想这样一个场景:一群鸟在随机搜
寻食物,在这个区域里只有一块食物,所有的鸟都不知道食物在哪里,但是它们知道当前的位
置离食物还有多远。那么找到食物的最优策略是什么呢?最简单有效的就是搜寻目前离食物最
近的鸟的周围区域.
PSO 算法就从这种生物种群行为特性中得到启发并用于求解优化问题.在 PSO 中,每个优化
问题的潜在解都可以想象成 d 维搜索空间上的一个点,我们称之为“粒子”(Particle),所有
的粒子都有一个被目标函数决定的适应值(Fitness Value ),每个粒子还有一个速度决定他
们飞翔的方向和距离,然后粒子们就追随当前的最优粒子在解空间中搜索。Reynolds 对鸟群飞
行的研究发现。鸟仅仅是追踪它有限数量的邻居但最终的整体结果是整个鸟群好像在一个中心
的控制之下。即复杂的全局行为是由简单规则的相互作用引起的.
二、粒子群算法的具体表述
上面罗嗦了半天,那些都是科研工作者写论文的语气,不过,PSO 的历史就像上面说的那
样。下面通俗的解释 PSO 算法。
PSO 算法就是模拟一群鸟寻找食物的过程,每个鸟就是 PSO 中的粒子,也就是我们需要求
解问题的可能解,这些鸟在寻找食物的过程中,不停改变自己在空中飞行的位置与速度。大家
也可以观察一下,鸟群在寻找食物的过程中,开始鸟群比较分散,逐渐这些鸟就会聚成一群,
这个群忽高忽低、忽左忽右,直到最后找到食物。这个过程我们转化为一个数学问题。寻找函
数 y=1-cos(3*x)*exp(—x)的在[0,4]最大值。该函数的图形如下:
(完整)粒子群算法 matlab 代码
当 x=0.9350-0。9450,达到最大值 y=1.3706。为了得到该函数的最大值,我们在[0,4]
之间随机的洒一些点,为了演示,我们放置两个点,并且计算这两个点的函数值,同时给这两
个点设置在[0,4]之间的一个速度。下面这些点就会按照一定的公式更改自己的位置,到达新
位置后,再计算这两个点的值,然后再按照一定的公式更新自己的位置。直到最后在 y=1。
3706 这个点停止自己的更新。这个过程与粒子群算法作为对照如下:
这两个点就是粒子群算法中的粒子。
该函数的最大值就是鸟群中的食物
计算两个点函数值就是粒子群算法中的适应值,计算用的函数就是粒子群算法中的适应度
函数.
更新自己位置的一定公式就是粒子群算法中的位置速度更新公式.
下面演示一下这个算法运行一次的大概过程:
第一次初始化
第一次更新位置
(完整)粒子群算法 matlab 代码
第二次更新位置
第 21 次更新
最后的结果(30 次迭代)
(完整)粒子群算法 matlab 代码
最后所有的点都集中在最大值的地方。
粒子群算法(2)--—-标准的粒子群算法
在上一节的叙述中,唯一没有给大家介绍的就是函数的这些随机的点(粒子)是如何运动的,
只是说按照一定的公式更新.这个公式就是粒子群算法中的位置速度更新公式。下面就介绍这
个公式是什么。在上一节中我们求取函数 y=1-cos(3*x)*exp(—x)的在[0,4]最大值。并在
[0,4]之间放置了两个随机的点,这些点的坐标假设为 x1=1。5; x2=2.5;这里的点是一个标量,
但是我们经常遇到的问题可能是更一般的情况--x 为一个矢量的情况,比如二维的情况
2
z=2*x1+3*x2 的情况.这个时候我们的每个粒子为二维,记粒子 P1=(x11,x12),P2=
(x21,x22),P3=(x31,x32),.。.。。。Pn=(xn1,xn2).这里 n 为粒子群群体的规模,也就
是这个群中粒子的个数,每个粒子的维数为 2。更一般的是粒子的维数为 q,这样在这个种群
中有 n 个粒子,每个粒子为 q 维。
由 n 个粒子组成的群体对 Q 维(就是每个粒子的维数)空间进行搜索.每个粒子表示为:x
i
=(x
i1
,x
i2
,x
i3
,。。.,x
iQ
),每个粒子对应的速度可以表示为 v
i
=(v
i1
,v
i2
,v
i3
,...。,v
iQ
),
每个粒子在搜索时要考虑两个因素:
1。自己搜索到的历史最优值 p
i ,
p
i
=(p
i1
,p
i2
,.。.。,p
iQ
),i=1,2,3,.。。。,n。
2。全部粒子搜索到的最优值 p
g,
p
g
=(p
g1
,p
g2
,。。.。,p
gQ
),注意这里的 p
g
只有一个.
下面给出粒子群算法的位置速度更新公式:
这里有几个重要的参数需要大家记忆,因为在以后的讲解中将会经常用到:
它们是:
是保持原来速度的系数,所以叫做惯性权重。
是粒子跟踪自己历史最优值的权重系数,它表示粒子自身的认识,所以叫“认知”。通常设置
为 2.
是粒子跟踪群体最优值的权重系数,它表示粒子对整个群体知识的认识,所以叫做“社会
知识”,经常叫做“社会”。通常设置为 2。
是[0,1]区间内均匀分布的随机数。
是对位置更新的时候,在速度前面加的一个系数,这个系数我们叫做约束因子。通常设置为
1。
剩余23页未读,继续阅读
资源评论
春哥111
- 粉丝: 1w+
- 资源: 5万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功