粒子群算法源程序.docVIP

二维粒子群matlab源程序 %function [pso F] = pso_2D()? % FUNCTION PSO ?--------USE Particle Swarm Optimization Algorithm? % global present;? % close all;? clc;? clear all;? pop_size = 10; ? ? ? ? ? ? ? ? ?% ? pop_size?种群大小?///粒子数量? part_size = 2; ? ? ? ? ? ? ? ? % ? part_size?粒子大小?///粒子的维数?? gbest = zeros(1,part_size+1); ? % ? gbest?当前搜索到的最小的值?? max_gen = 200; ? ? ? ? ? ? ? ? ?% ? max_gen?最大迭代次数? %best=zeros(part_size,pop_size*part_size);%xuan? region=zeros(part_size,2); ? ? ?%?设定搜索空间范围-解空间? region=10*[-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3]; %?每一维设定不同范围(称之为解空间，不是可行域空间）? ?rand(state,sum(100*clock)); ? %?重置随机数发生器状态? %当前种群的信息矩阵，逐代进化的群体?%?当前位置,随机初始化? %?一个10*3的随机的矩阵（初始化所有粒子的所有维数的位置值），其中最后一列为??? arr_present = ini_pos(pop_size,part_size); ? ? %?初始化当前速度?? %?一个10*2的随机的矩阵（初始化所有粒子的所有维数的速度值）?? v=ini_v(pop_size,part_size); ?? ? %不是当前种群，可看作是一个外部的记忆体，存储每个粒子历史最优值（2维数值）：根据适应度更新！? %注意：pbest数组10*3 ?最后一列保存的是适应度? pbest = zeros(pop_size,part_size+1); ? ?% pbest：粒子以前搜索到的最优值，最后一列包括这些值的适应度? ? % 1*80?保存每代的最优值? best_record = zeros(part_size+1,max_gen); ? ? ? ? % best_record数组：记录每一代的最好的粒子的适应度? ? w_max = 0.9; ? ? ? ? ?% ?w_max权系数最大值? w_min = 0.2; ? ? ? ? ?% ?w_min权系数最小值? v_max = 2; ? ? ? ? ? ?% ?最大速度,为粒子的范围宽度? c1 = 2; ? ? ? ? ? ? ? % ?学习因子1? c2 = 2; ? ? ? ? ? ? ? % ?学习因子2? ? % ————————————————————————? % ??计算原始种群的适应度,及初始化? % ————————————————————————? %?注意：传入的第一个参数是当前的粒子群体?，ini_fit函数计算每个粒子的适应度? % arr_present(:,end)是最后一列?，保存每个粒子的适应值，是这样的！xuan? arr_present(:,end)= ini_fit( arr_present, pop_size, part_size );? ? %?数组赋值，初始化每个粒子个体的历史最优值，以后会更新的?? pbest = arr_present; ? ? ? ? %?初始化各个粒子最优值? ? %?找到当前群体中适应度最小的（在最后一列中寻找），best_value? %?改为max，表示关联度最大? [best_value best_index] = max(arr_present(:,end)); %初始化全局最优，即适应度为全局最小的值，根据需要也可以选取为最大值? ? %?唯一的全局最优值，是当前代所有粒子中最好的一个? gbest = arr_present(best_index,:);? ?? %?因为是多目标，因此这个-----------------? %?只是示意性的画出3维的? %x=[-3:0.01:3];? %y=[-3:0.01:3];? %[X,Y]=meshgrid(x,y);? %Z1=(-10)*exp((-0.2)*sqrt(X^2+Y^2));? %Z2=(abs(X))^0.8+abs(Y)^0.8+5*sin(X^3)+5*sin(Y^3);? ? %z1=@(x,y)