pso.rar_PSO实例_pso算法实例

clear all; clc; c1=2;%学习因子1 c2=2;%学习因子2 wmax=0.5;%权值最大值 wmin=1;%权值最小值 %w=1; MaxDT=100;%最大迭代次数 D=30;%D维搜索空间 N=100;%N个Particle eps=10^(-6);%精度 a=-5.12;%最优值系数下限 b=5.12;%最优值系数上限 f=100;%目标达优值 vmax=1; avg=0; %h=0; %while h<100 % h=h+1; %初始化x(i),v(i)............................ for i=1:N for j=1:D x(i,j)=a+rand*(b-a); %v(i,j)=rand*(b-a); v(i,j)=rand*vmax; end p(i)=fitness(x(i,:),D);%个体i最优值 y(i,:)=x(i,:);%个体i最优解 end %x=a+rand(N,D)*(b-a); %v=rand(N,D)*vmax; pg=x(1,:);%全局最优解 for i=2:N if fitness(x(i,:),D)<fitness(pg,D) pg=x(i,:); end end %迭代x(i),v(i)；更新p(i),pg............................ t=1; for t=1:MaxDT %while abs(fitness(pg,D))>eps w=wmax-(wmax-wmin)*t/MaxDT; for i=1:N v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:)); for j=1:D if v(i,j)>vmax v(i,j)=vmax; elseif v(i,j)<-vmax v(i,j)=-vmax; end end x(i,:)=x(i,:)+v(i,:); if fitness(x(i,:),D)<p(i) p(i)=fitness(x(i,:),D); y(i,:)=x(i,:); end if p(i)<fitness(pg,D) pg=y(i,:); end end % if t>MaxDT-10||t<11 % disp('迭代次数....................................') % t % disp('全局最优值') % fitness(pg,D) % disp('i个体最优解') % p(:)' % disp('..........................................') %end t=t+1; end %disp('*************************************************************') %disp('Solution') %Solution=pg %disp('Result') % h r=fitness(pg,D) %disp('*************************************************************') %程序结果不稳定，运行100次求平均 % avg=avg+r; %end %avg=avg/100