%测试函数：f(x,y)=100(x^2-y)^2+(1-x)^2, -2.048<x,y<2.048
%求解函数最小值
clear all
global popsize; %种群规模
%global popnum; %种群数量
global pop; %种群
%global c0; %速度惯性系数,为0—1的随机数
global c1; %个体最优导向系数
global c2; %全局最优导向系数
global gbest_x; %全局最优解x轴坐标
global gbest_y; %全局最优解y轴坐标
global best_fitness; %最优解
global best_in_history; %最优解变化轨迹
global x_min; %x的下限
global x_max; %x的上限
global y_min; %y的下限
global y_max; %y的上限
global gen; %迭代次数
global exetime; %当前迭代次数
global max_velocity; %最大速度
%初始化**********************************************************************************************************************************
c1=2;
c2=2;
x_min=0.04;
x_max=0.06;
y_min=0.27;
y_max=0.33;
gen=70; %设置进化代数
popsize=30; %设置种群规模大小
best_in_history(gen)=inf; %初始化全局历史最优解
best_in_history(:)=inf; %初始化全局历史最优解
max_velocity=0.02; %最大速度限制
best_fitness=inf;
%popnum=1; %设置种群数量
pop(popsize,8)=0;
%初始化种群,创建popsize行5列的0矩阵
%第1列为x轴坐标，第2列为y轴坐标
%第3列为x轴速度分量，第4列为y轴速度分量
%第5列为个体最优位置的x轴坐标，第6列为个体最优位置的y轴坐标
%第7列为个体最优适值，第8列为当前个体适应值
for i=1:popsize
pop(i,1)=rand()*(x_max-x_min)+x_min; %初始化种群中的粒子位置，值为-2—2，步长为其速度
pop(i,2)=rand()*(y_max-y_min)+y_min; %初始化种群中的粒子位置，值为-2—2，步长为其速度
pop(i,5)=pop(i,1); %初始状态下个体最优值等于初始位置
pop(i,6)=pop(i,2); %初始状态下个体最优值等于初始位置
pop(i,3)=rand()*0.02-0.01; %初始化种群微粒速度，值为-0.01—0.01，间隔为0.0001
pop(i,4)=rand()*0.02-0.01; %初始化种群微粒速度，值为-0.01—0.01，间隔为0.0001
pop(i,7)=inf;
pop(i,8)=inf;
end
gbest_x=pop(1,1); %全局最优初始值为种群第一个粒子的位置
gbest_y=pop(1,2);
%aaa(1,200)=0;
%aa(1,200)=0;
%初始化*********************************************************************************************************************************
fir(exetime,1)=0;
best(gen,2)=0;
for exetime=1:gen
%实时输出结果***************************************************************************************************************************
%输出当前种群中粒子位置
subplot(1,2,1);
for i=1:popsize
plot(pop(i,1),pop(i,2),'b*');
hold on;
end
plot(gbest_x,gbest_y,'r.','markersize',20);axis([x_min,x_max,y_min,y_max]);
hold off;
subplot(1,2,2);
%axis([0,gen,-0.00005,0.00005]);
if exetime-1>0
line([exetime-1,exetime],[best_in_history(exetime-1),best_fitness]);hold on;
end
%实时输出结果****************************************************************************************************************************
%适值计算*******************************************************************************************************************************
% 测试函数为f(x,y)=100(x^2-y)^2+(1-x)^2, -2.048<x,y<2.048 计算适应值并赋值
for i=1:popsize
pop(i,8)=mubiao(pop(i,1),pop(i,2));
%pop(i,8)=5*(pop(i,1)-1)^2+(pop(i,2)-1)^2;
%pop(i,8)=(pop(i,1)^2-pop(i,2))^2+(1-pop(i,1))^2;
if pop(i,7)>pop(i,8) %若当前适应值优于个体最优值，则进行个体最优信息的更新
pop(i,7)=pop(i,8); %适值更新
pop(i,5:6)=pop(i,1:2); %位置坐标更新
end
end
%计算完适应值后寻找当前全局最优位置并记录其坐标
if best_fitness>min(pop(:,7))
best_fitness=min(pop(:,7)); %全局最优值
gbest_x=pop(find(pop(:,7)==min(pop(:,7))),1); %全局最优粒子的位置
gbest_y=pop(find(pop(:,7)==min(pop(:,7))),2);
end
best_in_history(exetime)=best_fitness; %记录当前全局最优
best_in_history(exetime)
%适值计算*******************************************************************************************************************************
%粒子群速度与位置更新********************************************************************************************************************
%更新粒子速度
for i=1:popsize
pop(i,3)=(0.9-0.5*(i/popsize))*pop(i,3)+c1*rand()*(pop(i,5)-pop(i,1))+c2*rand()*(gbest_x-pop(i,1)); %更新速度
pop(i,4)=(0.9-0.5*(i/popsize))*pop(i,4)+c1*rand()*(pop(i,6)-pop(i,2))+c2*rand()*(gbest_y-pop(i,2));
if abs(pop(i,3))>max_velocity
if pop(i,3)>0
pop(i,3)=max_velocity;
else
pop(i,3)=-max_velocity;
end
end
if abs(pop(i,4))>max_velocity
if pop(i,4)>0
pop(i,4)=max_velocity;
else
pop(i,4)=-max_velocity;
end
end
end
%更新粒子位置
for i=1:popsize
pop(i,1)=pop(i,1)+pop(i,3);
if pop(i,1)>x_max
pop(i,1)=x_max;
end
if pop(i,1)<x_min
pop(i,1)=x_min;
end
pop(i,2)=pop(i,2)+pop(i,4);
if pop(i,2)>y_max
pop(i,2)=y_max;
end
if pop(i,2)<y_min
pop(i,2)=y_min;
end
end
%aaa(1,exetime)=gbest_x;
%aa(1,exetime)=gbest_y;
fir(exetime,1)=best_fitness;
save bea.txt fir -ascii
exetime
gbest_x
gbest_y
best(exetime,1)=gbest_x;
best(exetime,2)=gbest_y;
save beat.txt best -ascii
end
