matlab粒子群优化算法举例分析教学内容.docx
《matlab粒子群优化算法举例分析教学内容.docx》由会员分享，可在线阅读，更多相关《matlab粒子群优化算法举例分析教学内容.docx（39页珍藏版）》请在冰豆网上搜索。
matlab粒子群优化算法举例分析教学内容
6、你购买DIY手工艺制品的目的有那些？
例函数对于适应度函数fitness对其参数，，做出不同方式的比较以测试其对函数结果影响。
当，，。
（适应函数）
程序1
当，，。
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=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）;%x是位置，初始化位置空间（矩阵）
v=zeros（N,D）;%v是速度，初始化速度空间（矩阵）
fori=1:
N
forj=1:
D
x（i,j）=randn;%随机初始化位置，randn返回一个随机变化的符合正态分布的数
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%’b*’表示颜色是绿的，用*显示在图上
xlabel（'粒子'）
ylabel（'初始位置'）
tInfo=strcat（'第',char（j+48）,'维'）;%strcat使括号里的东西连成字符串
if（j>9）
tInfo=strcat（'第',char（floor（j/10）+48））;%floor向负无穷方向取整
char（rem（j,10）+48,'维'）;%rem取余
end
title（tInfo）
end
%------显示种群速度
figure
（2）
forj=1:
D
if（rem（D,2）>0）
subplot（（D+1）/2,2,j）
else
subplot（D/2,2,j）
end
plot（v（:
j）,'b*'）;gridon%是不是应该是v（:
j）
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）,'维'）;
char（rem（j,10）+48,'维）;
end
title（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:
N
pbest1（i）=fitness（x1（i,:
）,D）;%适应度函数
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）;
%-----进入主循环，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）p1（j,:
）=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;
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:
N
pbest2（i）=fitness（x2（i,:
）,D）;
end
%-----初始化种全局最优位置和最优解------
g2=1000*ones（1,D）;
gbest2=1000;
fori=1:
N
if（pbest2（i）g2=p2（i,:
）;%最优位置
gbest2=pbest2（i）;%最优解
end
end
gb2=ones（1,T）;%T为迭代次数T=100
%------进入主循环，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）;
end
v2（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;%每一代的最优解
end
plot（gb2）
TempStr=sprintf（'c1=%g,c2=%g',c12,c22）;
title（TempStr）;
xlabel（'迭代次数'）;
ylabel（'适应度值'）;
程序2
当于对比
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:
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）
tInfo=strcat（'第',char（floor（j/10）+48），
char（rem（j,10）+48）,'维'）;
end
title（tInfo）
end
%------显示种群速度
figure
（2）
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）;
end
title（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:
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）p1（j,:
）=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;
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）
%
升级会员 