粒子群优化算法及其参数设置Word文档下载推荐.docx

粒子群优化算法及其参数设置Word文档下载推荐.docx

《粒子群优化算法及其参数设置Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《粒子群优化算法及其参数设置Word文档下载推荐.docx（39页珍藏版）》请在冰豆网上搜索。

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=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）;

%zeros（m,n）产生m×

n的全0矩阵

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）

end

plot（x（:

j）,'

b*'

）;

gridon

xlabel（'

粒子'

）

ylabel（'

初始位置'

tInfo=strcat（'

第'

char（j+48）,'

维'

if（j>

9）

char（floor（j/10）+48）,char（rem（j,10）+48）,'

title（tInfo）

%------显示种群速度

figure

（2）

初始速度'

第,char（j+48）,'

char（floor（j/10）+48）,

char（rem（j,10）+48）,'

维）;

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）;

pbest1（i）=fitness（x1（i,:

）,D）;

%------初始化全局最优位置和最优值---------------

g1=1000*ones（1,D）;

gbest1=1000;

if（pbest1（i）<

gbest1）

g1=p1（i,:

gbest1=pbest1（i）;

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---

T

if（fitness（x1（j,:

）,D）<

pbest1（j））

p1（j,:

）=x1（j,:

pbest1（j）=fitness（x1（j,:

if（pbest1（j）<

g1=p1（j,:

gbest1=pbest1（j）;

v1（j,:

）=w*v1（j,:

）+c11*rand*（p1（j,:

）-x1（j,:

））+c21*rand*（g1-x1（j,:

））;

x1（j,:

）+v1（j,:

gb1（i）=gbest1;

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）;

pbest2（i）=fitness（x2（i,:

%-----初始化种全局最有位置和最优解------

g2=1000*ones（1,D）;

gbest2=1000;

if（pbest2（i）<

gbest2）

g2=p2（i,:

gbest2=pbest2（i）;

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---

if（fitness（x2（j,:

pbest2（j））

p2（j,:

）=x2（j,:

pbest2（j）=fitness（x2（j,:

if（pbest2（j）<

g2=p2（j,:

gbest2=pbest2（j）;

v2（j,:

）=w*v2（j,:

）+c12*rand*（p2（j,:

）-x2（j,:

））+c22*rand*（g2-x2（j,:

x2（j,:

）+v2（j,:

gb2（i）=gbest2;

plot（gb2）

c12,c22）;

b）适应度函数

%适应度函数（fitness.m）

functionresult=fitness（x,D）

sum=0;

sum=sum+x（i）^2;

result=sum;

程序2

于

对比

clc;

c12=0;

c22=2;

char（floor（j/10）+48），

v1（j,:

pbest2（i）=fitness（