带压缩因子的粒子群算法

主程序：

%------基本粒子群优化算法（Particle Swarm Optimization）----------- %------名称：带压缩因子的粒子群优化算法（PSO）

%------作用：求解优化问题

%------说明：全局性，并行性，高效的群体智能算法，提高解的精度

%------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

c1=3;

c2=2;

%c2=1.4962; %学习因子2

w=0.7298; %惯性权重

MaxDT=100; %最大迭代次数

D=6; %搜索空间维数（未知数个数）

N=20; %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)

phi=c1+c2;

if phi<=4

disp('c1与c2的和必须大于4! ');

xm=NaN;

fv=NaN;

return;

end

%------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; %随机初始化位置

v(i,j)=randn; %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---------------------- figure(3)

for i=1:N

P(i)=fitness2(x(i,:));

y(i,:)=x(i,:);

end

Pg=x(N,:); %Pg为全局最优

for i=1:(N-1)

if fitness2(x(i,:))

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

ksi=2/abs(2-phi-sqrt(phi^2-4*phi));%ksi为压缩因子

v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(Pg-x(i,:));

v(i,:)=ksi*v(i,:);

x(i,:)=x(i,:)+v(i,:);

if fitness2(x(i,:))

P(i)=fitness2(x(i,:));

y(i,:)=x(i,:);

end

if P(i)

Pg=y(i,:);

end

end

Pbest(t)=fitness2(Pg);

end

plot(Pbest)

TempStr=sprintf('c1= %g ,c2=%g',c1,c2);

title(TempStr);

xlabel('迭代次数');

ylabel('适应度值');

%------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=fitness2(Pg)

disp('*************************************************************') 功能函数：

适应度函数源程序（fitness2.m）

function result=fitness2(x)

sum=0;

D=6;

for i=1:D

sum=sum+x(i)^2;

end

result=sum;