混合粒子群算法(基于杂交算法)

主程序：

%------基本粒子群优化算法（Particle Swarm Optimization）----------- %------名称：混合粒子群优化算法（基于杂交的算法）

%------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

%------初始格式化-------------------------------------------------- clear all;

clc;

format long;

%------给定初始化条件----------------------------------------------

c1=2; %学习因子1

%c1=3;

%c2=2;

Pc=0.9;

Sp=0.2;

c2=2; %学习因子2

w=0.7; %惯性权重

%MaxDT=500;

MaxDT=10000; %最大迭代次数

D=5; %搜索空间维数（未知数个数）

N=40; %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)

%------初始化种群的个体(可以在这里限定位置和速度的范围)------------

fori=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)

fori=1:N

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

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

end

Pg=x(N,:); %Pg为全局最优

fori=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

fori=1:N

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

r1=rand();

if r1

numPool=round(Sp*N); %杂交池大小

PoolX=x(1:numPool,:); %杂交池中粒子的位置

PoolVX=v(1:numPool,:); %杂交池中粒子的速度

fori=1:numPool

seed1=floor(rand()*(numPool-1))+1;

seed2=floor(rand()*(numPool-1))+1;

pb=rand();

childx1(i,:)=pb*PoolX(seed1,:)+(1-pb)*PoolX(seed2,:); %子代的位置计算

childv1(i,:)=(PoolVX(seed1,:)+PoolVX(seed2,:))*norm(PoolVX(seed1,:))/norm(PoolVX(seed1,:)+Po olVX(seed2,:));

end

x(1:numPool,:)=childx1; %子代位置替换父代位置

v(1:numPool,:)=childv1; %子代速度替换父代速度

end

Pbest(t)=fitness2(Pg);

end

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('*************************************************************')