%------名称:基本粒子群优化算法(PSO)
%------作用:求解优化问题
%------说明:全局性,并行性,高效的群体智能算法
%------初始格式化--------------------------------------------------
clear all; close all;
% clc;
format long;
%------给定初始化条件----------------------------------------------
c1=1.4962; %学习因子1
c2=1.4962; %学习因子2
w=0.7298; %惯性权重
MaxDT=200; %最大迭代次数
D=8; %搜索空间维数(未知数个数)
N=50; %初始化群体个体数目
eps=10^(-6); %设置精度(在已知最小值时候用)
theta0=60;zero=50/200*pi;
%------初始化种群的个体(可以在这里限定位置和速度的范围)------------
for i=1:N
for j=1:D
x(i,j)=randn; %随机初始化位置
v(i,j)=randn; %随机初始化速度
end
end
%------先计算各个粒子的适应度,并初始化Pi和Pg----------------------
for i=1:N
p(i)=fitnessL(x(i,:),D,theta0,zero);
y(i,:)=x(i,:);
end
pg=x(1,:); %Pg为全局最优
for i=2:N
if fitnessL(x(i,:),D,theta0,zero)<fitnessL(pg,D,theta0,zero)
pg=x(i,:);
end
end
%------进入主要循环,按照公式依次迭代,直到满足精度要求------------
for t=1:MaxDT
for i=1:N
v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:));
x(i,:)=x(i,:)+v(i,:);
if fitnessL(x(i,:),D,theta0,zero)<p(i)
p(i)=fitnessL(x(i,:),D,theta0,zero);
y(i,:)=x(i,:);
end
if p(i)<fitnessL(pg,D,theta0,zero)
pg=y(i,:);
end
end
Pbest(t)=fitnessL(pg,D,theta0,zero);
end
%------最后给出计算结果
disp('*************************************************************')
disp('函数的全局最优位置为:')
Solution=pg'
figureL(pg,D)
disp('最后得到的优化极值为:')
Result=fitnessL(pg,D,theta0,zero)
disp('*************************************************************')
%------算法结束---DreamSun GL & HF-----------------------------------
pso.zip_PSO函数测试_测试函数_算法函数测试_算法测试函数_粒子群算法
版权申诉
5星 · 超过95%的资源 35 浏览量
2022-09-23
13:42:35
上传
评论 2
收藏 2KB ZIP 举报
局外狗
- 粉丝: 64
- 资源: 1万+
最新资源
- Screenshot_20240427_031602.jpg
- 网页PDF_2024年04月26日 23-46-14_QQ浏览器网页保存_QQ浏览器转格式(6).docx
- 直接插入排序,冒泡排序,直接选择排序.zip
- 在排序2的基础上,再次对快排进行优化,其次增加快排非递归,归并排序,归并排序非递归版.zip
- 实现了7种排序算法.三种复杂度排序.三种nlogn复杂度排序(堆排序,归并排序,快速排序)一种线性复杂度的排序.zip
- 冒泡排序 直接选择排序 直接插入排序 随机快速排序 归并排序 堆排序.zip
- 课设-内部排序算法比较 包括冒泡排序、直接插入排序、简单选择排序、快速排序、希尔排序、归并排序和堆排序.zip
- Python排序算法.zip
- C语言实现直接插入排序、希尔排序、选择排序、冒泡排序、堆排序、快速排序、归并排序、计数排序,并带图详解.zip
- 常用工具集参考用于图像等数据处理
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈