PSO.rar_MATLAB编程_粒子群算法

% % 标准粒子群算法（PSO） % 根据刘波所写的粒子群优化算法及其工程应用（电子工业出版社）编写 % ps：这本书和曾建潮写的微粒群算法很多地方都类似 % write by gc_2299 % 2011-8-29 clear clc % 要优化的函数信息 N=3; % 未知数个数，也即粒子群算法中的控件维度 Xmax=80; % 未知数的取值上限 Xmin=30; % 未知数的取值下限 % 参数设置 % 按照刘波的书中所给参数值进行的设置 SwarmSize=10; % 粒子群种群大小 W=0.8; % 惯性因子 Vmax=Xmax-Xmin; % 速度上限 C1=0.1; % 加速因子1 C2=1; % 加速因子2 MaxCount=1000; % 算法最大循环次数 count=0; % 计数器 Fx=@TestFunc; % 要进行优化的函数句柄 % 变量 range=[6 80 0.03;2 30 0.01]; PsoSwarm=InitSwarm(SwarmSize,N,range); % 粒子群种群 PsoSwarmV=rand(SwarmSize,N)*Vmax; % 粒子群种群速度 PsoSwarmLocalBest_fitness=zeros(SwarmSize,1); % 保存每个粒子对应的局部最优值 PsoSwarmLocalBest=zeros(size(PsoSwarm)); % 保存粒子群每个粒子的 % 局部历史最优值对应的变量值 PsoSwarmGlobalBest_fitness=zeros(1,1); % 保存粒子群的全局历史最优值 PsoSwarmGlobalBest=zeros(1,N); % 保存全局最优值对应的变量值 % 计算适应度值 fitness=Fx(PsoSwarm); % 初始化局部最优值 PsoSwarmLocalBest=PsoSwarm; PsoSwarmLocalBest_fitness=fitness; % 初始化全局最优值 PsoSwarmGlobalBest_fitness=min(PsoSwarmLocalBest_fitness); index=find(PsoSwarmLocalBest_fitness==PsoSwarmGlobalBest_fitness); PsoSwarmGlobalBest=PsoSwarmLocalBest(index(1),:); % 粒子群算法开始 while(count<MaxCount) count=count+1; % 更新速度值 PsoSwarmV=W*PsoSwarmV+C1*rand*(PsoSwarmLocalBest-PsoSwarm)+C2*rand*(... repmat(PsoSwarmGlobalBest,SwarmSize,1)-PsoSwarm); PsoSwarmV(PsoSwarmV>Vmax)=-Vmax; PsoSwarmV(PsoSwarmV<-Vmax)=Vmax; % 更新位置值 PsoSwarm=PsoSwarm+PsoSwarmV; %PsoSwarm(PsoSwarm>Xmax)=Xmax; %PsoSwarm(PsoSwarm<-Xmax)=-Xmax; PsoSwarm=CheckRange(PsoSwarm,range); % 计算适应度值 fitness=Fx(PsoSwarm); % 更新局部最优值 index=find(PsoSwarmLocalBest_fitness>fitness); if ~isempty(index) PsoSwarmLocalBest_fitness(index)=fitness(index); PsoSwarmLocalBest(index,:)=PsoSwarm(index,:); end % 更新全局最优值 if(PsoSwarmGlobalBest_fitness>min(PsoSwarmLocalBest_fitness)) PsoSwarmGlobalBest_fitness=min(PsoSwarmLocalBest_fitness); index=find(PsoSwarmLocalBest_fitness==min(PsoSwarmLocalBest_fitness)); PsoSwarmGlobalBest=PsoSwarmLocalBest(index(1),:); end end PsoSwarmGlobalBest_fitness PsoSwarmGlobalBest