PSO程序.rar_PSO_clockow5_改进PSO_改进的_粒子群

function [] = extremum_of_function_3() %% 用离散粒子群优化算法解决函数极值问题 %% 初始化 clear all; %清除所有变量 close all; %清图 clc; %清屏 N=100; %群体粒子个数 D=20; %粒子维数 T=200; %最大迭代次数 c1=1.5; %学习因子1 c2=1.5; %学习因子2 Wmax=0.8; %惯性权重最大值 Wmin=0.4; %惯性权重最小值 Xs=9; %位置最大值 Xx=0; %位置最小值 Vmax=10; %速度最大值 Vmin=-10; %速度最小值 % 初始化种群个体 x = rand(N,D); %随机获得二进制编码的初始种群 v=rand(N,D)*(Vmax-Vmin)+Vmin; % 初始化个体最优位置和最优值 p=x; pbest=ones(N,1); for i=1:N pbest(i)=func3(x(i,:),Xs,Xx); end % 初始化全局最优位置和最优值 g=ones(1,D); gbest=inf; for i=1:N if pbest(i) < gbest g=p(i,:); gbest=pbest(i); end end gb=ones(1,T); % 主循环体 for i=1:T for j=1:N % 更新个体最优位置和最优值 if (func3(x(j,:),Xs,Xx) < pbest(j)) p(j,:)=x(j,:); pbest(j)=func3(x(j,:),Xs,Xx); end % 更新全局最优位置和最优值 if (pbest(j) < gbest) g=p(j,:); gbest=pbest(j); end % 计算动态惯性权重值 w=Wmax-(Wmax-Wmin)*i/T; % 更新速度和位置 v(j,:)=w*v(j,:)+c1*rand*(p(j,:)-x(j,:))+c2*rand*(g-x(j,:)); % x(j,:)=x(j,:)+v(j,:); % 边界条件处理 for ii=1:D %if (v(j,ii)>Vmax | v(j,ii) < Vmin) while (v(j,ii)>Vmax | v(j,ii) < Vmin) v(j,ii) = rand * (Vmax-Vmin)+Vmin; end end vx(j,:)=1./(1+exp(-v(j,:))); for jj=1:D %if (x(j,ii)>Xmax | x(j,ii) < Xmin) %while (x(j,ii)>Xmax | x(j,ii) < Xmin) % x(j,ii) = rand * (Xmax-Xmin)+Xmin; %end if vx(j,jj) > rand x(j,jj) = 1; else x(j,jj) = 0; end end end %for j % 记录历代全局最优值 gb(i) = gbest; end %for i disp('最优个体'); g %最优个体 disp('最优的目标函数值'); m = 0; for j=1:D m=g(j)*2^(j-1)+m; end f1 = Xx+m*(Xs-Xx)/(2^D-1); f1 gb(end) %最优的目标函数值 figure plot(gb,'LineWidth',4); xlabel('迭代次数','fontsize',18); ylabel('目标函数值','fontsize',18); title('适应度进化曲线','fontsize',28);