粒子群算法matlab算法已经调试.docx
《粒子群算法matlab算法已经调试.docx》由会员分享，可在线阅读，更多相关《粒子群算法matlab算法已经调试.docx（37页珍藏版）》请在冰豆网上搜索。
粒子群算法matlab算法已经调试
程序1
当c11c212，c12
c221.5，w1.2。
a）%主函数源程序（main.m）
%基本粒子群算法（particleswarmoptimization）
%名称：
基本粒子群算法
%初始格式化
clearall;
%清除所有变量
clc;
%清屏
formatlong;
%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=1.5;
c22=1.5;
w=1.2;
%惯性权重
eps=10A（-6）;
%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）;
fori=1:
N
forj=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
figure
（1）
forj=1:
D
if（rem（D,2）>0）
subplot（（D+1）/2,2,j）
else
subplot（D/2,2,j）
endplot（x（:
j）,'b*'）;gridonxlabel（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'）;
endtitle（tInfo）end
%显示种群速度
figure
（2）
forj=1:
Dif（rem（D,2）>0）subplot（（D+1）/2,2,j）
else
subplot（D/2,2,j）
endplot（x（:
j）,'b*'）;gridonxlabel（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）;
endtitle（tInfo）endfigure（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）;
fori=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;
fori=1:
N
if（pbest1（i）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--
fori=1:
T
forj=1:
N
if（fitness（x1（j,:
）,D））=x1（j,:
）;pbest1（j）=fitness（x1（j,:
）,D）;
end
if（pbest1（j）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,:
）;
end
gb1（i）=gbest1;
endplot（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）;
fori=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;
fori=1:
N
if（pbest2（i）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足精度或者迭代次数
fori=1:
T
forj=1:
N
if（fitness（x2（j,:
）,D）p2（j,:
）=x2（j,:
）;pbest2（j）=fitness（x2（j,:
）,D）;
end
if（pbest2（j）g2=p2（j,:
）;
gbest2=pbest2（j）;
endv2（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（fitness.m）
functionresult=fitness（x,D）
sum=0;
fori=1:
D
sum=sum+x（i）A2;
end
result=sum;
程序2
当c11c212于c120,c222,w1.2对比
a）%主函数源程序（main.m）
%基本粒子群算法（particleswarmoptimization）
%名称：
基本粒子群算法
%初始格式化
clearall;%清除所有变量
clc;%清屏
formatlong;%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=1.2;%惯性权重
eps=10（6）;%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）;
fori=1:
N
forj=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
figure
（1）forj=1:
Dif（rem（D,2）>0）subplot（（D+1）/2,2,j）
else
subplot（D/2,2,j）
endplot（x（:
j）,'b*'）;gridon
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'）;
endtitle（tInfo）end
%显示种群速度
figure
（2）
forj=1:
D
if（rem（D,2）>0）
subplot（（D+1）/2,2,j）
elsesubplot（D/2,2,j）endplot（x（:
j）,'b*'）;gridonxlabel（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）;
endtitle（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）;
fori=1:
Npbest1（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;
fori=1:
N
if（pbest1（i））;gbest1=pbest1（i）;
endendgb1=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
fori=1:
T
forj=1:
N
if（fitness（x1（j,:
）,D））=x1（j,:
）;pbest1（j）=fitness（x1（j,:
）,D）;
end
if（pbest1（j））;gbest1=pbest1（j）;
endv1（j,:
）=w*v1（j,:
）+c11*rand*（p1（j,:
）-x1（j,:
））+c21*rand*（g1-x1（j,:
））;
x1（j,:
）=x1（j,:
）+v1（j,:
）;
endgb1（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）;
fori=1:
Npbest2（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;
fori=1:
N
if（pbest2（i）g2=p2（i,:
）;gbest2=pbest2（i）;
end
endgb2=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
fori=1:
T
forj=1:
N
if（fitness（x2（j,:
）,D））=x2（j,:
）;pbest2（j）=fitness（x2（j,:
）,D）;
end
if（pbest2（j））;gbest2=pbest2（j）;
endv2（j,:
）=w*v2（j,:
）+c12*rand*（p2（j,:
）-x2（j,:
））+c22*rand*（g2-x2（j,:
））;
x2（j,:
）=x2（j,:
）+v2（j,:
）;
endgb2（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（fitness.m）functionresult=fitness（x,D）sum=0;
fori=1:
D
sum=sum+x（i）A2;
endresult=sum;
程序3
当c11c212,w1.2于c122,c220,w1.2对比
a）%主函数源程序（main.m）
%基本粒子群算法（particleswarmoptimization）
%名称：
基本粒子群算法
%初始格式化
clearall;%清除所有变量
clc;%清屏
formatlong;%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
c22=0;
w=1.2;
eps=10A（-6）;
%惯性权重
%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）;fori=1:
N
forj=1:
D
x（i,j）=randn;v（i,j）=randn;
%随机初始化位置
%随机初始化速度
end
end
%显示群位置
figure
（1）
forj=1:
D
if（rem（D,2）>0）
c12=2;
subplot（（D+1）/2,2,j）
else
subplot（D/2,2,j）
endplot（x（:
j）,'b*'）;gridonxlabel（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'）;
endtitle（tInfo）end
%显示种群速度
figure
（2）
forj=1:
Dif（rem（D,2）>0）subplot（（D+1）/2,2,j）
else
subplot（D/2,2,j）
endplot（x（:
j）,'b*'）;gridonxlabel（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）;
endtitle（tInfo）endfigure（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）;
fori=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;
fori=1:
N
if（pbest1（i）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--
fori=1:
T
forj=1:
N
if（fitness（x1（j,:
）,D））=x1（j,:
）;pbest1（j）=fitness（x1（j,:
）,D）;
end
if（pbest1（j）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,:
）;
end
gb1（i）=gbest1;
endplot（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）;
fori=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;
fori=1:
N
if（pbest2（i）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足精度或者迭代次数
fori=1:
T
forj=1:
N
if（fitness（x2（j,:
）,D）p2（j,:
）=x2（j,:
）;pbest2（j）=fitness（x2（j,:
）,D）;
end
if（pbest2（j）g2=p2（j,:
）;
gbest2=pbest2（j）;
endv2（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（fitness.m）
functionresult=fitness（x,D）sum=0;
fori=1:
D
sum=sum+x（i）A2;
end
result=sum;
程序4
1.5测试函
对CiC2,WiW2分别对其取值Ci1.1,C22,W11.2,W2
数。
a）%主函数源程序（main.m）
%基本粒子群算法（partiClesWarmoptimization）
%名称：
基本粒子群算法
%初始格式化
Clearall;%清除所有变量
ClC;%清屏
formatlong;%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
c1=1.1;%学习因子1
c2=2;%学习因子2
w1=1.2;%惯性权重
w2=1.5;%惯性权重
eps=10（6）;%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）;
fori=1:
N
forj=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
figure
（1）
forj=1:
Dif（rem（D,2）>0）subplot（（D+1）/2,2,j）
else
subplot（D/2,2,j）plot（x（:
j）,'b*'）;gridon
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'）;
endtitle（tInfo）
end
%显示种群速度
figure
（2）
forj=1:
Dif（rem（D,2）>0）
subplot（（D+1）/2,2,j）
elsesubplot（D/2,2,j）endplot（x（:
j）,'b*'）;gridon
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）;
endtitle（tinfo）
end
figure（3）
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）;
fori=1:
Npbest1（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;
fori=1:
Nif（pbest1（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
fori=1:
T
forj=1:
N
if（fitness（x1（j,:
）,D））=x1（j,:
）;pbest1（j）=fitness（x1（j,:
）,D）;
end
if（pbest1（j））;gbest1=pbest1（j）;
endv1（j,:
）=w1*v1（j,:
）+c1*rand*（p1（j,:
）-x1（j,:
））+c2*rand*（g1-x1（j,:
））;x1（j,:
）=x1（j,:
）+v1（j,:
）;
endgb1（i）=gbest1;
endplot（gb1）TempStr=sprintf（'w=%g',w1）;title（TempStr）;
xlabel（'迭代次数'）;
ylabel（'适应度值'）;
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）;
fori=1:
Npbest2（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;
fori=1:
N
if（pbest2（i）g2=p2（i,:
）;gbest2=pbest2（i）;
end
endgb2=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-
fori=1
升级会员 