遗传算法MATLAB仿真程序.pdfVIP

. % function [pso F] = PSO_2D() % FUNCTION PSO USE Particle Swarm Optimization Algorithm %global present; % close all; pop_size = 10; % pop_size 种群大小 part_size = 2; % part_size 粒 子 大 小 , ** =n-D gbest = zeros(1,part_size+1); % gbest 当前搜索到的最小的值 max_gen = 80; % max_gen 最大迭代次数 region=zeros(part_size,2); % 设定搜索空间范围 region=[-3,3;-3,3]; % **每一维设定不同范围 rand(state,sum(100*clock)); % 重置随机数发生器状态 arr_present = ini_pos(pop_size,part_size); % present 当前位置,随机初始化,rand()的范围 为0~1 v=ini_v(pop_size,part_size); % 初始化当前速度 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 w_max = 0.9; % w_max 权系数最大值 w_min = 0.4; v_max = 2; % **最大速度,为粒子的范围宽度 c1 = 2; % 学习因子 c2 = 2; % 学习因子 best_record = zeros(1,max_gen); % best_record 记录最好的粒子的适应度。 % ———————————————————————— % 计算原始种群的适应度,及初始化 % ———————————————————————— arr_present(:,end)=ini_fit(arr_present,pop_size,part_size); % for k=1:pop_size % present(k,end) = fitness(present(k,1:part_size)); %计算原始种群的适应度 % end pbest = arr_present; %初始化各个粒子最优值 [best_value best_index] = min(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 gbest = arr_present(best_index,:); . . %v = zeros(pop_size,1); % v 速度 % ———————————————————————— % 迭代 % ———————————————————————— % global m; % m = moviein(1000); %生成帧矩阵 x=[-3:0.01:3]; y=[-3:0.01:3]; z=@