粒子群优化算法（PSO）C++

#include "pso.h" #include "float.h" #define PI 3.1415926358979323846 float minFitness = DBL_MAX; void PSO::InitPSO(float vmax,float pmax, float pmin){ MyPso = new Particle[Particles]; Pmax = pmax; Pmin = pmin; Vmax = vmax; srand((unsigned)time(NULL)); for (int i = 0; i < Particles; i++) { MyPso[i].Fitness = 0.0; //MyPso[i].Position[0] = 0.0; //MyPso[i].Position[1] = 0.0; //MyPso[i].Pbest[0] = 0.0; //MyPso[i].Pbest[1] = 0.0; } for (int i = 0; i < Particles; i++) { for (int j = 0; j < Dimesions; j++) { MyPso[i].Position[j] = rand()/float(RAND_MAX)*(Pmax-Pmin)+Pmin; MyPso[i].Pbest[j] = MyPso[i].Position[j]; MyPso[i].V[j] = rand() / float(RAND_MAX) *2.0*Vmax-Vmax; } MyPso[i].BestFit = DBL_MAX; PSOFitness(MyPso[i]); } GetGbest(); } void PSO::PSOFitness(Particle &mypso){ mypso.Fitness = 10 * Dimesions; //mypso.Fitness = 0.0; for (int i = 0; i < Dimesions; i++) { mypso.Fitness = mypso.Fitness + mypso.Position[i] * mypso.Position[i] - 10 * cos(2 * PI*mypso.Position[i]); // mypso.Fitness = mypso.Fitness + mypso.Position[i] * mypso.Position[i]; } } void PSO::Print(){ //for (int i = 0; i < Particles; i++) //{ // for (int j = 0; j < Dimesions; j++) // { // cout << MyPso[i].Position[j] <<" "<<MyPso[i].BestP[j]<<" "; // } // cout <<MyPso[i].BestFit<< " ---"<<MyPso[i].Fitness << endl; //} cout << "最优位置" << Gbestp[0] << " " << Gbestp[1] << " 最优适应度: " << minFitness << endl;; } void PSO::PSOProcess(int cc1,int cc2,int iteration){ c1 = cc1; c2 = cc2; Iteration = iteration; for (int i = 0; i < Iteration; i++) { for (int j = 0; j < Particles; j++) { for (int k = 0; k < Dimesions; k++) { MyPso[j].V[k] =0.5* MyPso[j].V[k] + c1*rand_01*(MyPso[j].BestP[k] - MyPso[j].Position[k]) + c2*rand_01*(Gbestp[k] - MyPso[j].Position[k]); MyPso[j].V[k] = min(max(MyPso[j].V[k],-Vmax),Vmax); MyPso[j].Position[k] = min(max(MyPso[j].Position[k] + MyPso[j].V[k],Pmin),Pmax); } PSOFitness(MyPso[j]); } GetGbest(); GetPbest(); Print(); } } void PSO::GetGbest() { for (int i = 0; i < Particles; i++) { if (MyPso[i].Fitness < minFitness) { //得到当前全局最优的粒子位置，和最优适应度 minFitness = MyPso[i].Fitness; for (int j = 0; j < Dimesions; j++) { Gbestp[j] = MyPso[i].Position[j]; } } } } void PSO::GetPbest() { //更新各个粒子历史最佳位置和适应度 for (int k = 0; k < Particles; k++) { if (MyPso[k].Fitness < MyPso[k].BestFit) { MyPso[k].BestFit = MyPso[k].Fitness; for (int t = 0; t < Dimesions; t++) { MyPso[k].BestP[t] = MyPso[k].Position[t]; } } } } PSO::PSO(){} PSO::~PSO(){ delete MyPso; } ////typedef void (*FitnessFunc)(float X[numofparticles][numofdims], float fitnesses[numofparticles]); // //void fitnessfunc(float X[numofparticles][numofdims], float fitnesses[numofparticles]) //{ // memset(fitnesses, 0, sizeof (float)* numofparticles); // for (int i = 0; i < numofparticles; i++) // { // for (int j = 0; j < numofdims; j++) // { // fitnesses[i] += X[i][j] * X[i][j]; //(pow(X[i][j], 2)); // } // } //} // //void rosenBroekFunc(float X[numofparticles][numofdims], float fitnesses[numofparticles]) //{ // float x1, x2, t1, t2; // memset(fitnesses, 0, sizeof (float)* numofparticles); // for (int i = 0; i < numofparticles; i++) // for (int j = 0; j < numofdims - 1; j++) // { // x1 = X[i][j]; // x2 = X[i][j + 1]; // t1 = (x2 - x1 * x1); // t1 *= t1; // t1 *= 100; // t2 = x1 - 1; // t2 *= t2; // fitnesses[i] = t1 + t2; // } //} // //float mean(float inputval[], int vallength) //{ // float addvalue = 0; // for (int i = 0; i < vallength; i++) // { // addvalue += inputval[i]; // } // return addvalue / vallength; //} // //void PSO(int numofiterations, float c1, float c2, // float Xmin[numofdims], float Xmax[numofdims], float initialpop[numofparticles][numofdims], // float worsts[], float meanfits[], float bests[], float *gbestfit, float gbest[numofdims]) //{ // float V[numofparticles][numofdims] = { 0 }; // float X[numofparticles][numofdims]; // float Vmax[numofdims]; // float Vmin[numofdims]; // float pbests[numofparticles][numofdims]; // float pbestfits[numofparticles]; // float fitnesses[numofparticles]; // float w; // float minfit; // int minfitidx; // // memcpy(X, initialpop, sizeof(float)* numofparticles * numofdims); // fitnessfunc(X, fitnesses); // for (int i=0; i < numofparticles; i++) // { //cout << fitnesses[i] << endl; // } // // // //rosenBroekFunc(X, fitnesses); // // // fp(X, fitnesses); // minfit = *min_element(fitnesses, fitnesses + numofparticles); // cout << minfit << endl; // minfitidx = min_element(fitnesses, fitnesses + numofparticles) - fitnesses; // cout << minfitidx << endl; // *gbestfit = minfit; // memcpy(gbest, X[minfitidx], sizeof(float)* numofdims); // // //设置速度极限 // for (int i = 0; i < numofdims; i++) // { // Vmax[i] = 0.2 * (Xmax[i] - Xmin[i]); // Vmin[i] = -Vmax[i]; // } // // for (int t = 0; t < 1000; t++) // { // w = 0.9 - 0.7 * t / numofiterations; // // //计算个体历史极小值 // for (int i = 0; i < numofparticles; i++) // { // if (fitnesses[i] < pbestfits[i]) // { // pbestfits[i] = fitnesses[i]; //pbestfits初始化尚未赋值 // memcpy(pbests[i], X[i], sizeof(float)* numofdims); // cout << "what?"<< endl; // } // } // for (int i = 0; i < numofparticles; i++) // { // for (int j = 0; j < numofdims; j++) // { // V[i][j] = min(max((w * V[i][j] + rand_01 * c1 * (pbests[i][j] - X[i][j]) // + rand_01 * c2 * (gbest[j] - X[i][j])), Vmin[j]), Vmax[j]); // X[i][j] = min(max((X[i][j] + V[i][j]), Xmin[j]), Xmax[j]); // } // } // // fitnessfunc(X, fitnesses); // //rosenBroekFunc(X, fitnesses); // minfit = *min_element(fitnesses, fitnesses + numofparticles); // minfitidx = min_element(fitnesses, fitnesses + numofparticles) - fitnesses; // if (minfit < *gbestfit) // { // *gbestfit = minfit; // //cout << "It=" << t << "->" << minfit << endl; // memcpy(gbest, X[minfitidx], sizeof(float)* numofdims); // } // // worsts[t] = *max_element(fitnesses, fitnesses + numofparticles); // bests[t] = *gbestfit; // meanfits[t] = mean(fitnesses, numofparticles); // } // // //} // //int main() //{ // time_t t; // srand((unsigned)time(&t)); // // float xmin[2], xmax[2]; // float initpop[50][2]; // float worsts[1000], bests[1000]; // float meanfits[1000]; // float gbestfit; // float gbest[2]; // for (int i = 0; i < 2; i++) // { // xmax[i] = 5; // xmin[i] = -5; // } // for (int i = 0; i < 50; i++) // for (int j = 0; j < 2; j++) // { // initpop[i][j] = rand() % (5 + 5 + 1) - 5; // } // // PSO(1000, 2, 2, xmin, xmax, initpop, worsts, meanfits, bests, &gbestfit, gbest); // // cout << "fitness: " << gbestfit << endl; // for (int i = 0; i < 2; i++) // cout << gbest[i] << ", "; // cout << endl; // getchar(); // return 0; //}