带交叉因子的粒子群优化算法MATLAB源程序.docx
《带交叉因子的粒子群优化算法MATLAB源程序.docx》由会员分享，可在线阅读，更多相关《带交叉因子的粒子群优化算法MATLAB源程序.docx（10页珍藏版）》请在冰豆网上搜索。
带交叉因子的粒子群优化算法MATLAB源程序
带交叉因子的粒子群优化算法matlab源程序（2009-08-2811:
05:
06）
标签：
分类：
程序源代码:
其中文件,也就是主程序如下
%-----------------------------------------------
%------名称：
带交叉因子的改进PSO算法
%------功能：
求解多维无约束优化问题
%------特点：
收敛性强，还可以加入变异算子
%------作者：
孙明杰<>
%------单位：
中国矿业大学计算数学硕2005
%------日期：
2006年8月26日
%-----------------------------------------------
%格式标准化
clearall;
clc;
formatlong;
%初始化各个因子
c1=; %学习因子c1
c2=; %学习因子c2
w=; %惯性权重w
N=20; %粒子群规模
D=6; %搜索空间维数（本程序适合3维及以上，不能求解1,2维）
eps=10^（-6）; %满足条件限制的误差（在不知道最小值时候不用设置）
MaxDT=500; %粒子群繁殖的代数
%初始化粒子的速度和位置，数据结构用矩阵A表示
fori=1:
N
forj=1:
2*D
A（i,j）=rand;
end
end
fori=1:
N
forj=2*D+1:
3*D
A（i,j）=A（i,j-2*D）;
end
end
%计算各个粒子的适应度
fori=1:
N
A（i,3*D+1）=fitness（A（i,1:
D）,D）;
end
%对粒子的适应度进行排序
B=sortrows（A,3*D+1）;
%排序后适应度低的前面一半粒子直接进入下一代
NextGeneration=zeros（N,3*D+1）;
fori=1:
N/2
forj=1:
3*D+1
NextGeneration（i,j）=B（i,j）;
end
end
%后一半粒子进行遗传选择和交叉操作
fori=1:
N/2
forj=1:
3*D+1
Cross（i,j）=B（i+N/2,j）;
end
end
%产生一个随机的交叉位置
fori=1:
N/4
Anumber=randperm（D-1）;
ifAnumber
（1）~=1
position=Anumber
（1）;
else
position=Anumber
（2）;
end
%交叉进行
forj=position:
D-1
temp=Cross（i,j）;
Cross（i,j）=Cross（N/2-i+1,j）;
Cross（N/2-i+1,j）=temp;
end
end
%交叉结束，进行更新
fori=1:
N/2
Cross（i,3*D+1）=fitness（Cross（i,1:
D）,D）;
ifCross（i,3*D+1） forj=2*D+1:
3*D
Cross（i,j）=Cross（i,j-2*D）;
end
else
forj=2*D+1:
3*D
Cross（i,j）=B（i,j）;
end
end
end
%下面选择最好的粒子N/2个进入下一代
Pool=zeros（N,3*D+1）;
fori=1:
N/2
forj=1:
3*D+1
Pool（i,j）=B（i+N/2,j）;
end
end
fori=1+N/2:
N
forj=1:
3*D+1
Pool（i,j）=Cross（i-N/2,j）;
end
end
%POOLX表示排序后的粒子选择池
PoolX=sortrows（Pool,3*D+1）;
fori=1+N/2:
N
forj=1:
3*D+1
NextGeneration（i,j）=PoolX（i-N/2,j）;
end
end
Pbest=NextGeneration（i,2*D+1:
3*D）;
fori=2:
N
ifNextGeneration（i,3*D+1） Pbest=NextGeneration（i,2*D+1:
3*D）;
end
end
%根据粒子群公式进行迭代（StanderPSOStep）
%速度更新
fori=1:
N
forj=D+1:
2*D
A（i,j）=w*NextGeneration（i,j）+c1*rand*（NextGeneration（i,j+D）-NextGeneration（i,j-D））+c2*rand*（Pbest（j-D）-NextGeneration（i,j-D））;
end
end
%位置更新
fori=1:
N
forj=1:
D
A（i,j）=NextGeneration（i,j）+A（i,j+D）;
end
A（i,3*D+1）=fitness（A（i,1:
D）,D）;
ifA（i,3*D+1） forj=2*D+1:
3*D
A（i,j）=A（i,j-2*D）;
end
else
forj=2*D+1:
3*D
A（i,j）=NextGeneration（i,j-2*D）;
end
end
end
%下面进入主要循环，循环到最大次数得到最优解和最小值
%DDTime=1;
fortime=1:
MaxDT
B=sortrows（A,3*D+1）;
NextGeneration=zeros（N,3*D+1）;
fori=1:
N/2
forj=1:
3*D+1
NextGeneration（i,j）=B（i,j）;
end
end
%遗传选择交叉
fori=1:
N/2
forj=1:
3*D+1
Cross（i,j）=B（i+N/2,j）;
end
end
fori=1:
N/4
Anumber=randperm（D-1）;
ifAnumber
（1）~=1
position=Anumber
（1）;
else
position=Anumber
（2）;
end
forj=position:
D-1
temp=Cross（i,j）;
Cross（i,j）=Cross（N/2-i+1,j）;
Cross（N/2-i+1,j）=temp;
end
end
%交叉结束，进行更新
fori=1:
N/2
Cross（i,3*D+1）=fitness（Cross（i,1:
D）,D）;
ifCross（i,3*D+1） forj=2*D+1:
3*D
Cross（i,j）=Cross（i,j-2*D）;
end
else
forj=2*D+1:
3*D
Cross（i,j）=B（i,j）;
end
end
end
%下面选择最好的粒子N/2个进入下一代
Pool=zeros（N,3*D+1）;
fori=1:
N/2
forj=1:
3*D+1
Pool（i,j）=B（i+N/2,j）;
end
end
fori=1+N/2:
N
forj=1:
3*D+1
Pool（i,j）=Cross（i-N/2,j）;
end
end
PoolX=sortrows（Pool,3*D+1）;
fori=1+N/2:
N
forj=1:
3*D+1
NextGeneration（i,j）=PoolX（i-N/2,j）;
end
end
Pbest=NextGeneration（i,2*D+1:
3*D）;
fori=2:
N
ifNextGeneration（i,3*D+1） Pbest=NextGeneration（i,2*D+1:
3*D）;
end
end
%根据粒子群公式进行迭代
fori=1:
N
forj=D+1:
2*D
A（i,j）=w*NextGeneration（i,j）+c1*rand*（NextGeneration（i,j+D）-NextGeneration（i,j-D））+c2*rand*（Pbest（j-D）-NextGeneration（i,j-D））;
end
end
fori=1:
N
forj=1:
D
A（i,j）=NextGeneration（i,j）+A（i,j+D）;
end
A（i,3*D+1）=fitness（A（i,1:
D）,D）;
ifA（i,3*D+1） forj=2*D+1:
3*D
A（i,j）=A（i,j-2*D）;
end
else
forj=2*D+1:
3*D
A（i,j）=NextGeneration（i,j-2*D）;
end
end
end
Pg（time）=fitness（Pbest,D）;
%DDTime=DDTime+1;
%iffitness（Pbest,D） %break;
%end
end
%算法结束，得到的结果显示如下：
disp（'****************************************************'）
disp（'最后得到的最优位置为：
'）
X=Pbest'
disp（'得到的函数最小值为：
'）
Minimize=fitness（Pbest,D）
disp（'****************************************************'）
%绘制进化代数和适应度关系曲线图
xx=linspace（1,MaxDT,MaxDT）;
yy=Pg（xx）;
plot（xx,yy,'b-'）
holdon
gridon
title（'带交叉因子的粒子群优化算法进化代数与适应度值关系曲线图'）
legend（'粒子适应度曲线走势'）
升级会员 