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

%------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-----------------------------------