matlab代码影响-Optimization-of-Levi-function-using-PSO:使用PSO优化功能

matlab代码影响使用PSO优化功能 该项目旨在使用粒子群优化（PSO）估计Levi函数的最小值。 PSO是用于解密非线性连续函数的全局最小值和最大值的优化算法。 它基于能够解决工程学数学问题的群体智能概念。 优点：它几乎没有需要调整的参数。 在MATLAB代码（POS）的第一部分中，我考虑了100个粒子群。 粒子数量= 100次迭代= 100 x和y的范围固定[-10,10] 在给定区域中随机分配那些粒子的值。 所有100个粒子在“ x”和“ y”方向上的初始速度= 0 粒子（矩阵）第一列：在“ x”方向上的位置第二列：在“ y”方向上的位置第三列：在“ x”方向上的粒子速度第四列：在“ y”方向上的粒子速度 第一次迭代计算所有粒子的适应度值，并将其放在“粒子”矩阵的第五列中。 根据第5列中的适应度值对行进行排序。 设置Pbest（100个粒子x 3-'x'位置，'y'位置和适应度值）和Gbest，其中Pbest是每个粒子的个人最佳，而Gbest是每次迭代的最佳组。 最初，Pbest将是初始职位本身的副本。 Gbest是第一次迭代中最适合的粒子。 （仅将此Pbest列放在粒子矩阵中