基于粒子群算法的LCL滤波器参数智能优化(程序).docxVIP

下面是主函数的源程序，优化函数则以 m 文件的形式放在 fitness.m 里面，对不同的优化函 数只要修改 fitness.m 就可以了通用性很强。 主函数源程序（ main.m ） %------ 初始格式化 -------------------------------------------------- clear all; clc; format long; %------ 给定初始化条件 ---------------------------------------------- c1=1.4962; % 学习因子 1 c2=1.4962; % 学习因子 2 w=0.7298; %惯性权重 MaxDT=1000; %最大迭代次数 D=10; % 搜索空间维数（未知数个数） N=40; % 初始化群体个体数目 eps=10^(-6); %设置精度 (在已知最小值时候用  ) %------ 初始化种群的个体  (可以在这里限定位置和速度的范围  )------------ for i=1:N for j=1:D x(i,j)=randn; v(i,j)=randn;  %随机初始化位置 %随机初始化速度 end end %------ 先计算各个粒子的适应度，并初始化  Pi 和  Pg---------------------- for i=1:N p(i)=fitness(x(i,:),D); y(i,:)=x(i,:); end pg=x(1,:); %Pg 为全局最优 for i=2:N if fitness(x(i,:),D)fitness(pg,D) pg=x(i,:); end end %------ 进入主要循环，按照公式依次迭代，直到满足精度要求 for t=1:MaxDT for i=1:N  ------------ v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:)); x(i,:)=x(i,:)+v(i,:); if fitness(x(i,:),D)p(i) p(i)=fitness(x(i,:),D); y(i,:)=x(i,:); end if p(i)fitness(pg,D) pg=y(i,:); end end Pbest(t)=fitness(pg,D); end %------ 最后给出计算结果 disp(*************************************************************) disp( 函数的全局最优位置为： ) Solution=pg disp( 最后得到的优化极值为： ) Result=fitness(pg,D) disp(*************************************************************) %------ 算法结束 ---DreamSun GL HF----------------------------------- 适应度函数源程序（ fitness.m） function result=fitness(x,D) sum=0; for i=1:D sum=sum+x(i)^2; end result=sum;