%标准粒群优化算法程序.doc

%标准粒群优化算法程序% 2007.1.9 By jxy%测试函数：f(x,y)=100(x^2-y)^2+(1-x)^2, -2.048x,y2.048%求解函数最小值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initial; %初始化for exetime=1:genoutputdata; %实时输出结果adapting; %计算适应值errorcompute(); %计算当前种群适值标准差updatepop; %更新粒子位置pause(0.01);endclear i;clear exetime;clear x_max;clear x_min;clear y_min;clear y_max;%程序初始化gen=100; %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=0.3; %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%种群数组第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:popsizepop(i,1)=4*rand()-2; %初始化种群中的粒子位置，值为-2—2，步长为其速度pop(i,2)=4*rand()-2; %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0.0001pop(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0.0001pop(i,7)=inf;pop(i,8)=inf;endc1=2;c2=2;x_min=-2;y_min=-2;x_max=2;y_max=2;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);%适值计算% 测试函数为f(x,y)=100(x^2-y)^2+(1-x)^2, -2.048x,y2.048%计算适应值并赋值for i=1:popsizepop(i,8)=100*(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endend%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_fitnessmin(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);endbest_in_history(exetime)=best_fitness; %记录当前全局最优%实时输出结果%输出当前种群中粒子位置subplo