matlab粒子群优化算法举例分析.docx

1、matlab粒子群优化算法举例分析例 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 （particle swarm optimization）%-名称： 基本粒子群算法%-初始格式化clear all; %清除所有变量clc; %清屏format long; %将数据显示为长整形科学计数%-给定初始条条件-N=40; %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=

2、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）for i=1:N for j=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 endend%-显示群位置-figure(1)for j=1:D if(rem(D,2)0) subplot(D+1)/2,2,j) else subplot(D/2,2

3、,j) end plot(x(:,j),b*);grid on %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(j9) 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)for j=1:D if(rem(D,2)0) subplot(D+1)/2,2,j) else su

4、bplot(D/2,2,j) end plot(v(:,j),b*);grid on %是不是应该是v(:,j) xlabel(粒子) ylabel(初始速度) tInfo=strcat(第,char(j+48),维); if(j9) tInfo=strcat(第,char(floor(j/10)+48),维);char(rem(j,10)+48,维); end title(tInfo)endfigure(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);for

5、i=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;for i=1:N if(pbest1(i)gbest1) g1=p1(i,:); gbest1=pbest1(i); endendgb1=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-for i=1:T for j=1:N if (fitness(x1(j,:),D)pbest1(j) p1(j,:)=x1(j,:); pbest1(j)=fitness(x1(j,:),D); e

6、nd if(pbest1(j)gbest1) 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;endplot(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

7、=x;v2=v;%-初始化种群个体最有位置和 最优解-p2=x2;pbest2=ones(N,1);for i=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;for i=1:N if(pbest2(i)gbest2) g2=p2(i,:); %最优位置 gbest2=pbest2(i); %最优解 endendgb2=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-for i=1:T for j=1:N if (fit

8、ness(x2(j,:),D)pbest2(j) %个体最优 p2(j,:)=x2(j,:); pbest2(j)=fitness(x2(j,:),D); end if(pbest2(j)0) subplot(D+1)/2,2,j) else subplot(D/2,2,j) end plot(x(:,j),b*);grid on xlabel(粒子) ylabel(初始位置) tInfo=strcat(第,char(j+48),维); if(j9) tInfo=strcat(第,char(floor(j/10)+48)，char(rem(j,10)+48),维); end title(tIn

9、fo)end%-显示种群速度figure(2)for j=1:D if(rem(D,2)0) subplot(D+1)/2,2,j) else subplot(D/2,2,j) end plot(x(:,j),b*);grid on xlabel(粒子) ylabel(初始速度) tInfo=strcat(第,char(j+48),维); if(j9) tInfo=strcat(第,char(floor(j/10)+48),char(rem(j,10)+48),维); end title(tInfo)endfigure(3)%第一个图subplot(1,2,1)%-初始化种群个体（在此限定速度

10、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);for i=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;for i=1:N if(pbest1(i)gbest1) g1=p1(i,:); gbest1=pbest1(i); endendgb1=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-for i=1:T for j=1:N if (fitness(x1(j,:),D)pbest1(

11、j) p1(j,:)=x1(j,:); pbest1(j)=fitness(x1(j,:),D); end if(pbest1(j)gbest1) g1=p1(j,:); gbest1=pbest1(j); endv1(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;endplot(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）-