6种粒子群算法程序Word文档下载推荐.docx

1、%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1c21=2;%学习因子2c12=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:Nforj=1:Dx（i,j）=randn;%随机初始化位置v（i,j）=randn;%随机初始化速度end%-显示群位置-figure（1）if（rem（D,2）0）subplot（D+1）/2,2,j）elsesubplot（D/2,2,j）plot（x（

2、:,j）,b*）;gridonxlabel（粒子）ylabel（初始位置tInfo=strcat（第,char（j+48）,维if（j9）,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）,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

3、,:）,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-Tif（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

4、*（g1-x1（j,:）;x1（j,:）+v1（j,:gb1（i）=gbest1;plot（gb1）TempStr=sprintf（c1=%g,c2=%g,c11,c21）;title（TempStr）;迭代次数适应度值%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,:

5、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c12=0;c22=2;程序3c12=2;c22=0;程序4对分别对其取值测试函数。c1=1.1;c2=2;w1=1.2;w2=1.5;%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）-%-显示种群速度-）=w1*v1（j,:）+c1*rand*（p1（j,:）+c2*rand*（g1-x1（j,: