6种粒子群算法程序

%设置精度（在已知最小值的时候用）
%------ 初始化种群个体（限定位置和速度） ------------
x=zeros(N,D);
v=zeros(N,D);
for i=1:N
for j=1:D
x(i,j)=randn; %随机初始化位置
v(i,j)=randn; %随机初始化速度
end
end
%------ 显示群位置 ----------------------
format long;
%将数据显示为长整形科学计数
%------ 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
c11=2;
%学习因子 1
c21=2;
%学习因子 2
c12=;
c22=;
w=;
%惯性权重
eps=10^(-6);
gbest2=pbest2(j); end v2(j,:)=w*v2(j,:)+c12*rand*(p2(j,:)-x2(j,:))+c22*rand*(g2-x2(j,:)); x2(j,:)=x2(j,:)+v2(j,:); end gb2(i)=gbest2; end plot(gb2) TempStr=sprintf('c1= %g ,c2=%g',c12,c22); title(TempStr); xlabel('迭代次数 '); ylabel('适应度值 '); b）适应度函数 %适应度函数（） function result=fitness(x,D) sum=0; for i=1:D sum=sum+x(i)^2; end result=sum; 程序 2
if (pbest1(i)<gbest1) g1=p1(i,:); gbest1=pbest1(i);
end end gb1=ones(1,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 --for i=1:T
for j=1:N if (fitness(x1(j,:),D)<pbest1(j)) p1(j,:)=x1(j,:); pbest1(j)=fitness(x1(j,:),D); end if (pbest1(j)<gbest1) g1=p1(j,:); gbest1=pbest1(j); end v1(j,:)=w*v1(j,:)+c11*rand*(p1(j,:)-x1(j,:))+c21*rand*(g1-x1(j,:)); x1(j,:)=x1(j,:)+v1(j,:);
gbest2=1000; for i=1:N
if (pbest2(i)<gbest2) g2=p2(i,:); gbest2=pbest2(i);
end end gb2=ones(1,T); %------ 浸入主循环，按照公式依次迭代直到满wk.baidu.com精度或者迭代次数 --for i=1:T
for j=1:N if (fitness(x2(j,:),D)<pbest2(j)) p2(j,:)=x2(j,:); pbest2(j)=fitness(x2(j,:),D); end if (pbest2(j)<gbest2) g2=p2(j,:); gbest2=pbest2(j); end
g1=p1(i,:); gbest1=pbest1(i); end end
gb1=ones(1,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 --for i=1:T
for j=1:N if (fitness(x1(j,:),D)<pbest1(j)) p1(j,:)=x1(j,:); pbest1(j)=fitness(x1(j,:),D); end if (pbest1(j)<gbest1) g1=p1(j,:); gbest1=pbest1(j); end
end end gb2=ones(1,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 --for i=1:T
for j=1:N if (fitness(x2(j,:),D)<pbest2(j)) p2(j,:)=x2(j,:); pbest2(j)=fitness(x2(j,:),D); end if (pbest2(j)<gbest2) g2=p2(j,:);
v2(j,:)=w*v2(j,:)+c12*rand*(p2(j,:)-x2(j,:))+c22*rand*(g2-x2(j,:)); x2(j,:)=x2(j,:)+v2(j,:);
end gb2(i)=gbest2; end plot(gb2) TempStr=sprintf('c1= %g ,c2=%g',c12,c22); title(TempStr); xlabel('迭代次数 '); ylabel('适应度值 '); b）适应度函数 %适应度函数（） function result=fitness(x,D) sum=0; for i=1:D sum=sum+x(i)^2;
end gb1(i)=gbest1; end
plot(gb1) TempStr=sprintf('c1= %g ,c2=%g',c11,c21); title(TempStr); xlabel('迭代次数 '); ylabel('适应度值 '); %第二个图 subplot(1,2,2) %----- 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=1:N
if (j>9)
tInfo=strcat('第 ',char(floor(j/10)+48) ，
char(rem(j,10)+48),'维'); end
title(tInfo)
end
%------ 显示种群速度 figure(2)
for j=1:D
if (rem(D,2)>0)
subplot((D+1)/2,2,j) else
当 c11 c21 2 于 c12 0, c22 2, w 1.2 对比
a)%主函数源程序（）
%------ 基本粒子群算法 （particle swarm 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
format long;
figure(1)
for j=1:D
if (rem(D,2)>0)
subplot((D+1)/2,2,j)
else
subplot(D/2,2,j)
end
plot(x(:,j), 'b*' );grid on
xlabel('粒子 ')
ylabel('初始位置 ') tInfo=strcat('第',char(j+48),'维 ');
v1(j,:)=w*v1(j,:)+c11*rand*(p1(j,:)-x1(j,:))+c21*rand*(g1-x1(j,:)); x1(j,:)=x1(j,:)+v1(j,:);
end gb1(i)=gbest1; end plot(gb1) TempStr=sprintf('c1= %g ,c2=%g',c11,c21); title(TempStr); xlabel('迭代次数 '); ylabel('适应度值 '); %第二个图 subplot(1,2,2) %----- 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=1: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(1,D);
%------ 初始化种群个体（在此限定速度和位置） -----------x1=x; v1=v; %------ 初始化个体最优位置和最优值 --p1=x1; pbest1=ones(N,1); for i=1:N
pbest1(i)=fitness(x1(i,:),D); end %------ 初始化全局最优位置和最优值 --------------g1=1000*ones(1,D); gbest1=1000; for i=1: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(1,D); gbest2=1000; for i=1:N
if (pbest2(i)<gbest2) g2=p2(i,:); gbest2=pbest2(i);
subplot(D/2,2,j) end plot(x(:,j), 'b*' );grid on xlabel('粒子 ') ylabel('初始速度 ') tInfo=strcat('第,char(j+48),'维 '); if (j>9) tInfo=strcat( '第 ',char(floor(j/10)+48), char(rem(j,10)+48),'维); end title(tInfo) 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） -----------x1=x; v1=v; %------ 初始化个体最优位置和最优值 --p1=x1; pbest1=ones(N,1); for i=1:N pbest1(i)=fitness(x1(i,:),D); end %------ 初始化全局最优位置和最优值 --------------g1=1000*ones(1,D); gbest1=1000; for i=1:N if (pbest1(i)<gbest1)
figure(1)
for j=1:D
if (rem(D,2)>0)
subplot((D+1)/2,2,j) else
subplot(D/2,2,j) end plot(x(:,j), 'b*' );grid on xlabel('粒子 ') ylabel('初始位置 ') tInfo=strcat('第',char(j+48),'维 '); if (j>9) tInfo=strcat('第 ',char(floor(j/10)+48) ， char(rem(j,10)+48),'维'); end title(tInfo) end %------ 显示种群速度 figure(2) for j=1:D if (rem(D,2)>0)
%将数据显示为长整形科学计数
%------ 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
c11=2;
%学习因子 1
c21=2;
%学习因子 2
c12=0;
c22=2;
w=;
%惯性权重
eps=10^(-6);
subplot((D+1)/2,2,j) else
subplot(D/2,2,j) end plot(x(:,j), 'b*' );grid on xlabel('粒子 ') ylabel('初始速度 ') tInfo=strcat('第,char(j+48),'维 '); if (j>9) tInfo=strcat( '第 ',char(floor(j/10)+48), char(rem(j,10)+48),'维); end title(tInfo) end figure(3) %第一个图 subplot(1,2,1)
程
序
1
当 c11 c21 2 ， c12 c22 1.5 ， w 1.2 。
a)% 主函数源程序（）
%------ 基本粒子群算法 （particle swarm 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
%设置精度（在已知最小值的时候用）
%------ 初始化种群个体（限定位置和速度） ------------
x=zeros(N,D);
v=zeros(N,D);
for i=1:N
for j=1:D
x(i,j)=randn; %随机初始化位置
v(i,j)=randn; %随机初始化速度
end
end
%------ 显示群位置 ----------------------