Python3单目标粒子群算法实现与优化详解.pdfVIP

python3单目标粒子群算法实现方案

本文实例为大家了python3单目标粒子群算法的具体代码，供大家参考，具体内容如下

关于PSO的基本知识⋯⋯就简要说明算法流程

1)

初始化粒子群;

随机设置各粒子的位置和速度，默认粒子的初始位置即为粒子最优位置，并根据所有粒子的最优位置，选取群体最优位置。

2)

判断是否达到迭代次数；

若没有达到，则跳转到步骤3)。否则，直接输出结果。

3)

更新所有粒子的位置和速度；

4)

计算各粒子的适应度值。

将粒子当前位置的适应度值与粒子最优位置的适应度值进行比较，决定是否更新粒子最优位置；将所有粒子最优位置的适应度值与群体最优位

置的适应度值进行比较，决定是否更新群体最优位置。然后，跳转到步骤2)。

直接上代码（PS：1.参数动态调节；2.示例为二维）

首先，是一些准备工作...

#

导入库

import

numpy

as

np

import

random

as

rd

import

matplotlib.pyplot

as

plt

__

#

常量定义

MINPOS

=[‑5,

‑5]

#

粒子最小位置

MAX