matlab粒子群优化算法举例分析.doc

例 函数对于适应度函数fitness对其参数，，做出不同方式的比较以测试其对函数结果影响。 当，，。 (适应函数) 程序1 当，，。 a)%主函数源程序（main.m） %------基本粒子群算法 （particle swarm optimization） %------名称： 基本粒子群算法 %------初始格式化 clear all; %清除所有变量 clc; %清屏 format long; %将数据显示为长整形科学计数 %------给定初始条条件------------------ N=40; %3初始化群体个数 D=10; %初始化群体维数 T=100; %初始化群体最迭代次数 c11=2; %学习因子1 c21=2; %学习因子2 c12=1.5; c22=1.5; w=1.2; %惯性权重 eps=10^(-6); %设置精度（在已知最小值的时候用） %------初始化种群个体（限定位置和速度）------------ x=zeros(N,D); %x是位置，初始化位置空间（矩阵） v=zeros(N,D); %v是速度，初始化速度空间（矩阵） for i=1:N for j=1:D x(i,j)=randn; %随机初始化位置，randn返回一个随机变化的符合正态分布的数 v(i,j)=randn; %随机初始化速度 end end %------显示群位置---------------------- figure(1) for j=1:D if(rem(D,2)0) subplot((D+1)/2,2,j) else subplot(D/2,2,j) end plot(x(:,j),b*);grid on %’b*’表示颜色是绿的，用*显示在图上 xlabel(粒子) ylabel(初始位置) tInfo=strcat(第,char(j+48),维); %strcat使括号里的东西连成字符串 if(j9) tInfo=strcat(第,char(floor(j/10)+48)); %floor向负无穷方向取整 char(rem(j,10)+48,维); %rem 取余 end title(tInfo) end %------显示种群速度 figure(2) for j=1:D if(rem(D,2)0) subplot((D+1)/2,2,j) else subplot(D/2,2,j) end plot(v(:,j),b*);grid on %是不是应该是v(:,j) xlabel(粒子) ylabel(初始速度) tInfo=strcat(第,char(j+48),维); if(j9) tInfo=strcat(第,char(floor(j/10)+48),维); char(rem(j,10)+48,维); end title(tInfo) end figure(3) %第一个图 subplot(1,2,1) %------初始化种群个体（在此限定速度和位置）------------ x1=x; v1=v; %------初始化个体最优位置和最优值--- p1=x1; pbest1=ones(N,1); for i=1:N pbest1(i)=fitness(x1(i,:),D); %适应度函数 end %------初始化全局最优位置和最优值--------------- g1=1000*ones(1,D); gbest1=1000; for i=1:N if(pbest1(i)gbest1) g1=p1(i,:); gbest1=pbest1(i); end end gb1=ones(1,T); %-----进入主循环，按照公式依次迭代直到满足精度或者迭代次数--- for i=1:T for j=1:N if (fitness(x1(j,:),D)pbest1(j))