PSO.zip_PSO+matlab_field66u_paidwu3_pso程序_pso粒子群；matlab

%% 这两个函数给出以后，需要一个函数来把这两个函数组装起来，以此实现一个完整的粒子群算法，这个函数就是PsoProcess function [Result,OnLine,OffLine,MinMaxMeanAdapt]=PsoProcess(SwarmSize,ParticleSize,ParticleScope,InitFunc,StepFindFunc,AdaptFunc,IsStep,IsDraw,LoopCount,IsPlot) %功能描述：一个循环n次的PSO算法完整过程，返回这次运行的最小与最大的平均适应度,以及在线性能与离线性能 %[Result,OnLine,OffLine,MinMaxMeanAdapt]=PsoProcess(SwarmSize,ParticleSize,ParticleScope,InitFunc,StepFindFunc,AdaptFunc,IsStep,IsDraw,LoopCount,IsPlot) %输入参数：SwarmSize:种群大小的个数 %输入参数：ParticleSize：一个粒子的维数 %输入参数：ParticleScope:一个粒子在运算中各维的范围； % ParticleScope格式: % 3维粒子的ParticleScope格式: % [x1Min,x1Max % x2Min,x2Max % x3Min,x3Max] % %输入参数:InitFunc:初始化粒子群函数 %输入参数:StepFindFunc:单步更新速度，位置函数 %输入参数：AdaptFunc：适应度函数 %输入参数：IsStep：是否每次迭代暂停；IsStep＝0，不暂停，否则暂停。缺省不暂停 %输入参数：IsDraw：是否图形化迭代过程；IsDraw＝0，不图形化迭代过程，否则，图形化表示。缺省不图形化表示 %输入参数：LoopCount：迭代的次数；缺省迭代100次 %输入参数：IsPlot：控制是否绘制在线性能与离线性能的图形表示；IsPlot=0,不显示； % IsPlot=1；显示图形结果。缺省IsPlot=1 % %返回值：Result为经过迭代后得到的最优解 %返回值：OnLine为在线性能的数据 %返回值：OffLine为离线性能的数据 %返回值：MinMaxMeanAdapt为本次完整迭代得到的最小与最大的平均适应度 % %用法[Result,OnLine,OffLine,MinMaxMeanAdapt]=PsoProcess(SwarmSize,ParticleSize,ParticleScope,InitFunc,StepFindFunc,AdaptFunc,IsStep,IsDraw,LoopCount,IsPlot); % %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。 % %编制人：XXX %编制时间：2007.3.26 %参考文献：XXXXX% %修改记录： %添加MinMaxMeanAdapt，以得到性能评估数据 %修改人：XXX %修改时间：2007.3.27 %参考文献：XXX. %容错控制 if nargin<4 error('输入的参数个数错误。') end [row,colum]=size(ParticleSize); if row>1|colum>1 error('输入的粒子的维数错误，是一个1行1列的数据。'); end [row,colum]=size(ParticleScope); if row~=ParticleSize|colum~=2 error('输入的粒子的维数范围错误。'); end %设置缺省值 if nargin<7 IsPlot=1; LoopCount=100; IsStep=0; IsDraw=0; end if nargin<8 IsPlot=1; IsDraw=0; LoopCount=100; end if nargin<9 LoopCount=100; IsPlot=1; end if nargin<10 IsPlot=1; end %控制是否显示2维以下粒子维数的寻找最优的过程 if IsDraw~=0 DrawObjGraphic(ParticleSize,ParticleScope,AdaptFunc); end %初始化种群 [ParSwarm,OptSwarm]=InitFunc(SwarmSize,ParticleSize,ParticleScope,AdaptFunc) %在测试函数图形上绘制初始化群的位置 if IsDraw~=0 if 1==ParticleSize for ParSwarmRow=1:SwarmSize plot([ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,1)],[ParSwarm(ParSwarmRow,3),0],'r*-','markersize',8); text(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,3),num2str(ParSwarmRow)); end end if 2==ParticleSize for ParSwarmRow=1:SwarmSize stem3(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,2),ParSwarm(ParSwarmRow,5),'r.','markersize',8); end end end %暂停让抓图 if IsStep~=0 disp('开始迭代，按任意键：') pause end %开始更新算法的调用 for k=1:LoopCount %显示迭代的次数： disp('----------------------------------------------------------') TempStr=sprintf('第 %g 此迭代',k); disp(TempStr); disp('----------------------------------------------------------') %调用一步迭代的算法 [ParSwarm,OptSwarm]=StepFindFunc(ParSwarm,OptSwarm,AdaptFunc,ParticleScope,0.95,0.4,LoopCount,k) %在目标函数的图形上绘制2维以下的粒子的新位置 if IsDraw~=0 if 1==ParticleSize for ParSwarmRow=1:SwarmSize plot([ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,1)],[ParSwarm(ParSwarmRow,3),0],'r*-','markersize',8); text(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,3),num2str(ParSwarmRow)); end end if 2==ParticleSize for ParSwarmRow=1:SwarmSize stem3(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,2),ParSwarm(ParSwarmRow,5),'r.','markersize',8); end end end XResult=OptSwarm(SwarmSize+1,1:ParticleSize); YResult=AdaptFunc(XResult); if IsStep~=0 XResult=OptSwarm(SwarmSize+1,1:ParticleSize); YResult=AdaptFunc(XResult); str=sprintf('%g步迭代的最优目标函数值%g',k,YResult); disp(str); disp('下次迭代，按任意键继续'); pause end %记录每一步的平均适应度 MeanAdapt(1,k)=mean(ParSwarm(:,2*ParticleSize+1)); end %for循环结束标志 %记录最小与最大的平均适应度 MinMaxMeanAdapt=[min(MeanAdapt),max(MeanAdapt)]; %计算离线与在线性能 for k=1:LoopCount OnLine(1,k)=sum(MeanAdapt(1,1:k))/k; OffLine(1,k)=max(MeanAdapt(1,1:k)); end for k=1:LoopCount OffLine(1,k)=sum(OffLine(1,1:k))/k; end %绘制离线性能与在线性能曲线 if 1==IsPlot figure hold on title('离线性能曲线图') xlabel('迭代次数'); ylabel('离线性能'); grid on plot(OffLine); figure hold on title('在线性能曲线图') xlabel('迭代次数'); ylabel('在线性能'); grid on plot(OnLine); end %记录本次迭代得到的最优结果 XResult=OptSwarm(SwarmSize+1,1:ParticleSize); YResult=AdaptFunc(XResult); Result=[XResult,YResult];