基于MATLAB粒子群优化算法程序设计.PDFVIP

维普资讯 第20卷第4期 柳 州 师 专 学 报 V01．20No．4 2005年 12月 JournalofHu ouTeachersCollege Dec．2oo5 基于MATLAB的粒子群优化算法程序设计 吴建生。秦发金 (柳州师范高等专科学校 数学与计算机科学系，广西柳州545004) 摘 要：阐述了粒子群算法的基本原理，探讨了在MATLAB环境中实现粒子群算法的编程方法，构建粒子群算 ～ 法工具箱函数，通过仿真示例验证 了该方法的有效性，表明它能够对函数进行全局优化。 ～ 关键词：粒子群；优化算法；MATLAB；程序设计 中图分类号：TP301、6 文献标识码：A 文章编号：1003—7020(2005)04-0097一o4 ～ ～ ～ ～ ％ ％ ～ 1 引言 一 群体智能算法(SwarmIntelligenceAlgorithm，SIA)的研究开始于20世纪90年代，其基本思想是模拟 自然界生物的群体行 为来构造随机优化算法[】 】，通常单个自然界的生物并不是智能的，但是整个生物群体却表现出处理复杂问题的能力，群体 ～ ～ ～ 智能算法就是模仿这些生物的团体行为并把它应用在人工智能问题中，其中粒子群优化算法(ParticleSwarmOptimization， ‰ ～ PSO)就是群体智能算法的一种，它是由美国社会心理学家JamesKennedy和电气工程师RussellEberhart在 1995年提出的，其 基本思想是对鸟群、鱼群的觅食过程中的迁徙和聚集的行为模拟，并利用了生物学家 FrankHeppner的生物群体模型 。 PSO算法是～类基于群体智能的随机优化技术，相对遗传算法而言，二者都是基于群体的迭代搜索，但是PSO算法没有交叉、 变异算子，粒子群优化算法是通过个体之间的协作来搜寻最优解 ，它利用了生物群体中信息共享的思想，其概念简单、易于实 现，同时又有深刻的智能背景，既适合科学研究，又特别适合工程应用。因此 ，PSO一提出，就引起了众多学者的关注，并在短 短几年的时间里出现了大量的研究成果口．gJ。 2PSO基本原理 PSO算法是基于群体智能理论的优化算法，群体中的粒子在每次迭代搜索的过程中，通过跟踪群体2个极值：粒子本身所 找到的最优解Pbest和群体找到的最优解Gbest来动态调整自己位置和速度 J，完成对问题寻优，对于如下的函数优化问题 j-m娃，( 一，) (1) 【tR1f≤f≤ ，=1，2，…，n 其计算步骤如下 J： (1)对粒子群中粒子的位置和速度进行随机