基于Matlab实现PSO的机构优化仿真（源码+数据）.rar

clc,clear,close all N=100; %粒子群规模 MaxDT=1000; %最大迭代次数 w=0.7298; %惯性权重w c1=1.49618; %学习因子c1 c2=1.49618; %学习因子c2 vmax=[1 1]; vmin=[-1 -1]; xmax=[5 5]; xmin=[1 1]; %随机初始化粒子的位置和速度 j=1; for i=1:N x(i,:)=5*rand(1,2); %0到10之间的随机数（不同情况要改变） % v(i,:)=rand(1,2); if violent1(x(i,:))<0&&violent2(x(i,:))<0 p(j,:)=x(i,:); %初始化时把粒子位置设为个体最优位置 v(j,:)=rand(1,2); j=j+1; end end j=0; x=[];x=p; Np = size(p); %根据两个函数确定最优位置适应度函数 Pbest=rand; Pg=[4.5,2.3]; % for i=1:Np(1,1) % if fitness2(p(i,:)) < Pbest && violent1(x(i,:))<0 && violent2(x(i,:))<0 % Pbest=fitness2(p(i,:)); % Pg=p(i,:); % end % end %根据基本粒子群迭代公式进行一次进化迭代产生中间子代midfor i=1:N for t=1:MaxDT for i=1:Np v(i,:)=w*v(i,:)+c1*rand*(p(i,:)-x(i,:))+c2*rand*(Pg-x(i,:)); mid(i,:)=x(i,:)+v(i,:); %中间代mid end %%速度限制%% for i=1:Np if v(i,:)>vmax v(i,:)=vmax; elseif v(i,:)<vmin v(i,:)=vmin; else end end mid(i,:)=x(i,:)+v(i,:); %中间代mid;%位置更新 %%位置限制%% for i=1:Np if mid(i,:)>xmax mid(i,:)=xmax; elseif mid(i,:)<xmin mid(i,:)=xmin; else end end %判进化选择 for i=1:Np %若都一个可行，另一个不可行，则无条件选择可行解 if (violent1(x(i,:))<=0&&violent2(x(i,:))<=0) && (violent1(mid(i,:))>0&&violent2(mid(i,:))>0) NextGeneration(i,:)=x(i,:); end %若都可行，选择适应度小的进入下一代 if (violent1(x(i,:))<=0&&violent2(x(i,:))<=0) && (violent1(mid(i,:))<=0&&violent2(mid(i,:))<=0) if fitness2(x(i,:))<=fitness2(mid(i,:)) NextGeneration(i,:)=x(i,:); else NextGeneration(i,:)=mid(i,:); end end %若都一个可行，另一个不可行，则无条件选择可行解 if (violent1(x(i,:))>0&&violent2(x(i,:))>0) && (violent1(mid(i,:))<=0&&violent2(mid(i,:))<=0) NextGeneration(i,:)=mid(i,:); end %若两个都不可行，选择违背约束小的进入下一代 if (violent1(x(i,:))>0&&violent2(x(i,:))>0) && (violent1(mid(i,:))>0&&violent2(mid(i,:))>0) if violent1(x(i,:))<violent1(mid(i,:))&violent2(x(i,:))<violent2(mid(i,:)) NextGeneration(i,:)=x(i,:); else NextGeneration(i,:)=mid(i,:); end end end %NextGeneration复制给更新的粒子群x x=NextGeneration; %下面进入主循环，迭代最大次数后输出优化结果 Nx=size(x); %更新个体和全局最优位置 for i=1:Nx if fitness2(x(i,:))<fitness2(p(i,:))&& violent1(p(i,:))<=0&& violent2(p(i,:))<=0 p(i,:)=x(i,:); end if fitness2(p(i,:))<Pbest && violent1(p(i,:))<=0&& violent2(p(i,:))<=0 Pbest= fitness2(p(i,:)); Pg=p(i,:); end end y(t)=Pbest; %fitness2(Pg) end disp('函数的全局最优位置为：') Solution=Pg disp('函数的个体最优位置为：') p(i,:) disp('函数的最优值为') Pbest plot(y,'r','linewidth',2); xlabel('进化代数'); ylabel('适应度'); title （‘最优个体适应度’） grid on;axis tight