【SVM预测】基于粒子群算法优化支持向量机预测电力负荷附matlab代码 上传.zip

%下面的函数BaseStepPso实现了标准全局版粒子群算法的单步更新位置速度的功能 function [ParSwarm,OptSwarm]=BaseStepPso(ParSwarm,OptSwarm,ParticleScope,MaxW,MinW,LoopC,CurCount) %功能描述：全局版本：基本的粒子群算法的单步更新位置,速度的算法 % %[ParSwarm,OptSwarm]=BaseStepPso(ParSwarm,OptSwarm,AdaptFunc,ParticleScope,MaxW,MinW,LoopCount,CurCount) % %输入参数：ParSwarm:粒子群矩阵，包含粒子的位置，速度与当前的目标函数值 %输入参数：OptSwarm：包含粒子群个体最优解与全局最优解的矩阵 %输入参数：ParticleScope:一个粒子在运算中各维的范围； %输入参数：AdaptFunc：适应度函数 %输入参数：LoopC：迭代的总次数 %输入参数：CurCount：当前迭代的次数 % %返回值：含意同输入的同名参数 % %用法：[ParSwarm,OptSwarm]=BaseStepPso(ParSwarm,OptSwarm,AdaptFunc,ParticleScope,MaxW,MinW,LoopC,CurCount) %异常：首先保证该文件在Matlab的搜索路径中，然后查看相关的提示信息。 % 添加2*unifrnd(0,1).*SubTract1(row,:)中的unifrnd(0,1)随机数，使性能大为提高 %参照基于MATLAB的粒子群优化算法程序设计 %容错控制 if nargin~=7 error('输入的参数个数错误。') end if nargout~=2 error('输出的个数太少，不能保证循环迭代。') end %开始单步更新的操作 %********************************************* %*****更改下面的代码，可以更改惯性因子的变化***** %--------------------------------------------------------------------- %线形递减策略 w=MaxW-CurCount*(MaxW-MinW)/LoopC; %--------------------------------------------------------------------- %w固定不变策略 %w=0.7; %w非线形递减，以凹函数递减 %w=(MaxW-MinW)*(CurCount/LoopC)^2+(MinW-MaxW)*(2*CurCount/LoopC)+MaxW; %--------------------------------------------------------------------- %w非线形递减，以凹函数递减 %w=MinW*(MaxW/MinW)^(1/(1+10*CurCount/LoopC)); %*****更改上面的代码，可以更改惯性因子的变化***** %得到粒子群群体大小以及一个粒子维数的信息 [ParRow,ParCol]=size(ParSwarm); %得到粒子的维数 ParCol=(ParCol-1)/2; SubTract1=OptSwarm(1:ParRow,:)-ParSwarm(:,1:ParCol); %*****更改下面的代码，可以更改c1,c2的变化***** c1=2; c2=2; %--------------------------------------------------------------------- %con=1; %c1=4-exp(-con*abs(mean(ParSwarm(:,2*ParCol+1))-AdaptFunc(OptSwarm(ParRow+1,:)))); %c2=4-c1; %---------------------------------------------------------------------- %*****更改上面的代码，可以更改c1,c2的变化***** %********************************************* for row=1:1:ParRow SubTract2=OptSwarm(ParRow+1,:)-ParSwarm(row,1:ParCol); TempV=w.*ParSwarm(row,ParCol+1:2*ParCol)+2*unifrnd(0,1).*SubTract1(row,:)+2*unifrnd(0,1).*SubTract2; %限制速度的代码 for h=1:ParCol if TempV(:,h)>ParticleScope(h,2) TempV(:,h)=ParticleScope(h,2); end if TempV(:,h)<-ParticleScope(h,2) TempV(:,h)=-ParticleScope(h,2)+1e-10; %加1e-10防止适应度函数被零除 end end %更新速度 ParSwarm(row,ParCol+1:2*ParCol)=TempV; %*****更改下面的代码，可以更改约束因子的变化***** %--------------------------------------------------------------------- %a=1; %--------------------------------------------------------------------- a=0.729; %*****更改上面的代码，可以更改约束因子的变化***** %限制位置的范围 TempPos=ParSwarm(row,1:ParCol)+a*TempV; for h=1:ParCol if TempPos(:,h)>ParticleScope(h,2) TempPos(:,h)=ParticleScope(h,2); end if TempPos(:,h)<=ParticleScope(h,1) TempPos(:,h)=ParticleScope(h,1)+1e-10; end end %更新位置 ParSwarm(row,1:ParCol)=TempPos; %计算每个粒子的新的适应度值 a=ParSwarm(row,1); b=ParSwarm(row,2); ParSwarm(row,5)=AdaptFunc(a,b); c=OptSwarm(row,1); d=OptSwarm(row,2); if ParSwarm(row,2*ParCol+1)<AdaptFunc(c,d) OptSwarm(row,1:ParCol)=ParSwarm(row,1:ParCol); end end %for循环结束 %寻找适应度函数值最小的解在矩阵中的位置(行数)，进行全局最优的改变 [minValue,row]=min(ParSwarm(:,2*ParCol+1)); if AdaptFunc(a,b)<AdaptFunc(c,d) OptSwarm(ParRow+1,:)=ParSwarm(row,1:ParCol); end