%标准粒群优化算法程序

%标准粒群优化算法程序

%测试函数：f(x,y)=100(x^2-y)^2+(1-x)^2, -2.048

global popsize; %种群规模

%global popnum; %种群数量

global pop; %种群

%global c0; %速度惯性系数,为0—1的随机数

global c1; %个体最优导向系数

global c2; %全局最优导向系数

global gbest_x; %全局最优解x轴坐标

global gbest_y; %全局最优解y轴坐标

global best_fitness; %最优解

global best_in_history; %最优解变化轨迹

global x_min; %x的下限

global x_max; %x的上限

global y_min; %y的下限

global y_max; %y的上限

global gen; %迭代次数

global exetime; %当前迭代次数

global max_velocity; %最大速度

initial; %初始化

for exetime=1:gen

outputdata; %实时输出结果

adapting; %计算适应值

errorcompute(); %计算当前种群适值标准差

updatepop; %更新粒子位置

pause(0.01);

end

clear i;

clear exetime;

clear x_max;

clear x_min;

clear y_min;

clear y_max;

%程序初始化

gen=100; %设置进化代数

popsize=30; %设置种群规模大小

best_in_history(gen)=inf; %初始化全局历史最优解

best_in_history(=inf; %初始化全局历史最优解

max_velocity=0.3; %最大速度限制

best_fitness=inf;

%popnum=1; %设置种群数量

pop(popsize,8)=0; %初始化种群,创建popsize行5列的0矩阵

%种群数组第1列为x轴坐标，第2列为y轴坐标，第3列为x轴速度分量，第4列为y轴速度分量%第5列为个体最优位置的x轴坐标，第6列为个体最优位置的y轴坐标

%第7列为个体最优适值，第8列为当前个体适应值

for i=1:popsize

pop(i,1)=4*rand()-2; %初始化种群中的粒子位置，值为-2—2，步长为其速度

pop(i,2)=4*rand()-2; %初始化种群中的粒子位置，值为-2—2，步长为其速度

pop(i,5)=pop(i,1); %初始状态下个体最优值等于初始位置

pop(i,6)=pop(i,2); %初始状态下个体最优值等于初始位置

pop(i,3)=rand()*0.02-0.01; %初始化种群微粒速度，值为-0.01—0.01，间隔为0.0001

pop(i,4)=rand()*0.02-0.01; %初始化种群微粒速度，值为-0.01—0.01，间隔为0.0001

pop(i,7)=inf;

pop(i,8)=inf;

end

c1=2;

c2=2;

x_min=-2;

y_min=-2;

x_max=2;

y_max=2;

gbest_x=pop(1,1); %全局最优初始值为种群第一个粒子的位置

gbest_y=pop(1,2);

%适值计算

% 测试函数为f(x,y)=100(x^2-y)^2+(1-x)^2, -2.048

%计算适应值并赋值

for i=1:popsize

pop(i,8)=100*(pop(i,1)^2-pop(i,2))^2+(1-pop(i,1))^2;

if pop(i,7)>pop(i,8) %若当前适应值优于个体最优值，则进行个体最优信息的更新

pop(i,7)=pop(i,8); %适值更新

pop(i,5:6)=pop(i,1:2); %位置坐标更新

end

end

%计算完适应值后寻找当前全局最优位置并记录其坐标

if best_fitness>min(pop(:,7))

best_fitness=min(pop(:,7)); %全局最优值

gbest_x=pop(find(pop(:,7)==min(pop(:,7))),1); %全局最优粒子的位置

gbest_y=pop(find(pop(:,7)==min(pop(:,7))),2);

end

best_in_history(exetime)=best_fitness; %记录当前全局最优

%实时输出结果

%输出当前种群中粒子位置

subplot(1,2,1);

for i=1:popsize

plot(pop(i,1),pop(i,2),'b*');

hold on;

end

plot(gbest_x,gbest_y,'r.','markersize',20);axis([-2,2,-2,2]);

hold off;

subplot(1,2,2);

axis([0,gen,-0.00005,0.00005]);

if exetime-1>0

line([exetime-1,exetime],[best_in_history(exetime-1),best_fitness]);hold on;

end

%粒子群速度与位置更新

%更新粒子速度

for i=1:popsize

pop(i,3)=rand()*pop(i,3)+c1*rand()*(pop(i,5)-pop(i,1))+c2*rand()*(gbest_x-pop(i,1)); %更新速度pop(i,4)=rand()*pop(i,4)+c1*rand()*(pop(i,6)-pop(i,2))+c2*rand()*(gbest_x-pop(i,2));

if abs(pop(i,3))>max_velocity

if pop(i,3)>0

pop(i,3)=max_velocity;

else

pop(i,3)=-max_velocity;

end

end

if abs(pop(i,4))>max_velocity

if pop(i,4)>0

pop(i,4)=max_velocity;

else