6种粒子群算法程序.docx

6种粒子群算法程序.docx

《6种粒子群算法程序.docx》由会员分享，可在线阅读，更多相关《6种粒子群算法程序.docx（39页珍藏版）》请在冰豆网上搜索。

6种粒子群算法程序

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）;

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）

%-----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）;

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;

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）^2;

end

result=sum;

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）

%-----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）;

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;

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）^2;

end

result=sum;

程序3

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=2;

c22=0;

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）

%-----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）;

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;

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）^2;

end

result=sum;

程序4

对

，

分别对其取值

，

，

，

测试函数。

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:

D

if（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'）;

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）

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,:

）=w1*v1（j,:

）+c1*rand*（p1（j,:

）-x1（j,:

））+c2*rand*（g1-x1（j,:

））;

x1（j,:

）=x1（j,:

）+v1（j,:

）;

end

gb1（i）=gbest1;

end

plot（gb1）