基于Matlab实现PSO算法优化设计（源码）.rar

% 改进的快速粒子群优化算法 (APSO): function apso Lb=[0.1 0.1 0.1 0.1]; %下边界 Ub=[2.0 10.0 10.0 2.0]; %上边界 % 默认参数 para=[25 150 0.95]; %[粒子数，迭代次数，gama参数] % APSO 优化求解函数 [gbest,fmin]=pso_mincon(@cost,@constraint,Lb,Ub,para); % 输出结果 Bestsolution=gbest % 全局最优个体 fmin %% 目标函数 function f=cost(x) f=1.10471*x(1)^2*x(2)+0.04811*x(3)*x(4)*(14.0+x(2)); % 非线性约束 function [g,geq]=constraint(x) % 不等式限制条件 Q=6000*(14+x(2)/2); D=sqrt(x(2)^2/4+(x(1)+x(3))^2/4); J=2*(x(1)*x(2)*sqrt(2)*(x(2)^2/12+(x(1)+x(3))^2/4)); alpha=6000/(sqrt(2)*x(1)*x(2)); beta=Q*D/J; tau=sqrt(alpha^2+2*alpha*beta*x(2)/(2*D)+beta^2); sigma=504000/(x(4)*x(3)^2); delta=65856000/(30*10^6*x(4)*x(3)^3); F=4.013*(30*10^6)/196*sqrt(x(3)^2*x(4)^6/36)*(1-x(3)*sqrt(30/48)/28); g(1)=tau-13600; g(2)=sigma-30000; g(3)=x(1)-x(4); g(4)=0.10471*x(1)^2+0.04811*x(3)*x(4)*(14+x(2))-5.0; g(5)=0.125-x(1); g(6)=delta-0.25; g(7)=6000-F; % 如果没有等式约束，则置geq=[]； geq=[]; %% APSO Solver function [gbest,fbest]=pso_mincon(fhandle,fnonlin,Lb,Ub,para) if nargin<=4, para=[20 150 0.95]; end n=para(1);% 粒子种群大小 time=para(2); %时间步长，迭代次数 gamma=para(3); %gama参数 scale=abs(Ub-Lb); %取值区间 % 验证约束条件是否合乎条件 if abs(length(Lb)-length(Ub))>0, disp('Constraints must have equal size'); return end alpha=0.2; % alpha=[0,1]粒子随机衰减因子 beta=0.5; % 收敛速度(0->1)=(slow->fast); % 初始化粒子群 best=init_pso(n,Lb,Ub); fbest=1.0e+100; % 迭代开始 for t=1:time, %寻找全局最优个体 for i=1:n, fval=Fun(fhandle,fnonlin,best(i,:)); % 更新最有个体 if fval<=fbest, gbest=best(i,:); fbest=fval; end end % 随机性衰减因子 alpha=newPara(alpha,gamma); % 更新粒子位置 best=pso_move(best,gbest,alpha,beta,Lb,Ub); % 结果显示 str=strcat('Best estimates: gbest=',num2str(gbest)); str=strcat(str,' iteration='); str=strcat(str,num2str(t)); disp(str); fitness1(t)=fbest; plot(fitness1,'r','Linewidth',2) grid on hold on title('适应度') end % 初始化粒子函数 function [guess]=init_pso(n,Lb,Ub) ndim=length(Lb); for i=1:n, guess(i,1:ndim)=Lb+rand(1,ndim).*(Ub-Lb); end %更新所有的粒子 toward (xo,yo) function ns=pso_move(best,gbest,alpha,beta,Lb,Ub) % 增加粒子在上下边界区间内的随机性 n=size(best,1); ndim=size(best,2); scale=(Ub-Lb); for i=1:n, ns(i,:)=best(i,:)+beta*(gbest-best(i,:))+alpha.*randn(1,ndim).*scale; end ns=findrange(ns,Lb,Ub); % 边界函数 function ns=findrange(ns,Lb,Ub) n=length(ns); for i=1:n, % 下边界约束 ns_tmp=ns(i,:); I=ns_tmp<Lb; ns_tmp(I)=Lb(I); % 上边界约束 J=ns_tmp>Ub; ns_tmp(J)=Ub(J); %更新粒子 ns(i,:)=ns_tmp; end % 随机性衰减因子 function alpha=newPara(alpha,gamma); alpha=alpha*gamma; % 带约束的d维目标函数的求解 function z=Fun(fhandle,fnonlin,u) % 目标 z=fhandle(u); z=z+getconstraints(fnonlin,u); % 非线性约束 function Z=getconstraints(fnonlin,u) % 罚常数 >> 1 PEN=10^15; lam=PEN; lameq=PEN; Z=0; % 非线性约束 [g,geq]=fnonlin(u); %通过不等式约束建立罚函数 for k=1:length(g), Z=Z+ lam*g(k)^2*getH(g(k)); end % 等式条件约束 for k=1:length(geq), Z=Z+lameq*geq(k)^2*geteqH(geq(k)); end % Test if inequalities function H=getH(g) if g<=0, H=0; else H=1; end % Test if equalities hold function H=geteqH(g) if g==0, H=0; else H=1; end