6种粒子群算法程序.docxVIP

程序1 当—。5.c?c??cc?2121.w?22iii22ia)匕丰函数源程序(main.m) % 基本粒了 群算法(particle swann 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 fonnat long; %将数据显示为长整形科学讣数 %——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 cll=2; %学习因子1 c21=2; %学习因子2 cl2=1.5; c22=1.5; w=1.2; %惯性权重 eps=10A(-6); %设置精度（在已知最小值的时候用） %-初始化种群个体 邙u定位置和速度） x=zeros(N,D); ^-zeros(N,D); for i=l:N forj=l:D x(ij)=randn; %随机初始化位置 v(ij)=randn; %随机初始化速度 end end %-…一显示群位置—— figure(l) forj=l:D if(rem(D,2)0) subplot((D+1)/2,2j) else snbplot(D/2,2j) end p lot(x(: j ), *b * *); gi id on xlabelC粒子) ylabelC初始位置) tInfb=strcatC 第；char(j+48)；维 *); if(j9) thifo=strcat(, ?\char(floor(j/l 0)+48), char(rem(j, 10)+48)；维)； end title(tliifo) end %----显示种群速度 figtire(2) forj=l:D if(rem(D,2)0) subplot((D+l)/2,2j) else subplot(D/2,2j) end plot(x(: j),tb*,);grid on xlabelC 粒子) ylabelC初始速度) tliifo=strc at(Jfj ,char(j +4 8)「维)； if(j9) tliifo=sti,cat( 3?,char(floor(j/10)+48)， char(rem(j ,10)+48),维); end title(tliifo) 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） xl=x; vl=v; %----初始化个体最优位置和最优值… pl=xl; pbestl=ones(N,l); for i=l:N pbest l(i)=fitness(x 1 (i「)、D); end %-初始化全局最优位置和最优值 gl=1000*ones(l,D); gbestl=1000; for i=l:N if(pbest l(i)gbestl) gl=pl(i,:); gbestl=pbestl(i); end end gbl=ones(l,T); %浸入主循环，按照公式依次迭代直到满足精度或者迭代次数… fori=l:T for j=l:N if (fitness(x 1 (j, :),D)pbest 1 (j)) pl(j,:)=xl(j,:); pbestl(j)=fitness(xl(j,:),D); end if(pbest 1 (j)gbest 1) gi=pi(i,：); gbestl=pbestl(j); end vl(j,:)=w*vl(j,:)+cll*rand*(pl(j,:)-xl(j,:))+c21*rand*(gl-xl(j,:)); end gbl(i)=gbestl; end plot(gbl) TempSti-spnnt^^ 1 = %g ,c2=%g\cll,c21); title(TempStr); xlabelf迭代次数); ylabel(适应度值工 %第二个图 subplot(l,2,2) %初始化种群个体(在此限定速度和位置) x2=x; v2=v; %…-初始化种群个体最有位置和最优解 p2=x2; pbest2=ones(N, 1); for i=l:N pbest2(i)=fitness(x2(i/),D); end %初始化种全局最有位置和最优解---- g2=1000*ones(l,D); gbest2=1000; for i=l:N if(pbest2(i)gbest2) g2=p2(i,:); gbest2=pbest2(i); end end gb2=ones(l,T); %--…浸入主循环，按照公式依次迭代直到满足精度或者迭代次数… fori=l:T for j=l:N if (fitness(x2(j,