6种粒子群算法程序.docx

1、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);

2、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endend%-显示群位置-figure(1)forj=1:Dif(rem(D,2)0)subplot(D+1)/2,2,j)elsesubplot(D/2,2,j)endplot(x(:,j),b*);gridonxlabel(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);endtit

3、le(tInfo)end%-显示种群速度figure(2)forj=1:Dif(rem(D,2)0)subplot(D+1)/2,2,j)elsesubplot(D/2,2,j)endplot(x(:,j),b*);gridonxlabel(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);endtitle(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

4、;v1=v;%-初始化个体最优位置和最优值-p1=x1;pbest1=ones(N,1);fori=1:Npbest1(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:Nif(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-fori=1:Tforj=1:Nif(fitness(x1(j,:),D)pbest1(j)p1(j,:)=x1(j,:);pbe

5、st1(j)=fitness(x1(j,:),D);endif(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,:);endgb1(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

6、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:Npbest2(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:Nif(pbest2(i)gbest2)g2=p2(i,:);gbest2=pbest2(i);endendgb2=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:Tforj=1:Nif(fitness(x2(j,:),D)pbest2

7、(j)p2(j,:)=x2(j,:);pbest2(j)=fitness(x2(j,:),D);endif(pbest2(j)0)subplot(D+1)/2,2,j)elsesubplot(D/2,2,j)endplot(x(:,j),b*);gridonxlabel(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);endtitle(tInfo)end%-显示种群速度figure(2)forj=1:Dif(rem(D,2)0)

8、subplot(D+1)/2,2,j)elsesubplot(D/2,2,j)endplot(x(:,j),b*);gridonxlabel(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);endtitle(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);fori=

9、1:Npbest1(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:Nif(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-fori=1:Tforj=1:Nif(fitness(x1(j,:),D)pbest1(j)p1(j,:)=x1(j,:);pbest1(j)=fitness(x1(j,:),D);endif(pbest1(j)gbest1)g1

10、=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,:);endgb1(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=x;v2=v;%-初始化种群个体最有位置和最优解-p2=x2;p

11、best2=ones(N,1);fori=1:Npbest2(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:Nif(pbest2(i)gbest2)g2=p2(i,:);gbest2=pbest2(i);endendgb2=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:Tforj=1:Nif(fitness(x2(j,:),D)pbest2(j)p2(j,:)=x2(j,:);pbest2(j)=fitness(x2(j,:),D);en

12、dif(pbest2(j)0)subplot(D+1)/2,2,j)elsesubplot(D/2,2,j)endplot(x(:,j),b*);gridonxlabel(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);endtitle(tInfo)end%-显示种群速度figure(2)forj=1:Dif(rem(D,2)0)subplot(D+1)/2,2,j)elsesubplot(D/2,2,j)endplot(x(:

13、,j),b*);gridonxlabel(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);endtitle(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);fori=1:Npbest1(i)=fitness(x1(i,:),D);end%-初始化全局最优位置和最优值

14、-g1=1000*ones(1,D);gbest1=1000;fori=1:Nif(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-fori=1:Tforj=1:Nif(fitness(x1(j,:),D)pbest1(j)p1(j,:)=x1(j,:);pbest1(j)=fitness(x1(j,:),D);endif(pbest1(j)gbest1)g1=p1(j,:);gbest1=pbest1(j);endv1(j,:)=w*v1(j,:)+c11

15、*rand*(p1(j,:)-x1(j,:)+c21*rand*(g1-x1(j,:);x1(j,:)=x1(j,:)+v1(j,:);endgb1(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=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:Npbest2(i)=fitness(x2(i,:),

16、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:Nif(pbest2(i)gbest2)g2=p2(i,:);gbest2=pbest2(i);endendgb2=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:Tforj=1:Nif(fitness(x2(j,:),D)pbest2(j)p2(j,:)=x2(j,:);pbest2(j)=fitness(x2(j,:),D);endif(pbest2(j)0)subplot(D+1)/2,2,j)elsesubplot(D/2,

17、2,j)plot(x(:,j),b*);gridonxlabel(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);endtitle(tInfo)end%-显示种群速度-figure(2)forj=1:Dif(rem(D,2)0)subplot(D+1)/2,2,j)elsesubplot(D/2,2,j)endplot(x(:,j),b*);gridonxlabel(粒子)ylabel(初始速度)tInfo=strcat(第,c

18、har(j+48),维);if(j9)tInfo=strcat(第,char(floor(j/10)+48),char(rem(j,10)+48),维);endtitle(tInfo)endfigure(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:Npbest1(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:Nif(pbest1(i)gbest1

19、)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-fori=1:Tforj=1:Nif(fitness(x1(j,:),D)pbest1(j)p1(j,:)=x1(j,:);pbest1(j)=fitness(x1(j,:),D);endif(pbest1(j)gbest1)g1=p1(j,:);gbest1=pbest1(j);endv1(j,:)=w1*v1(j,:)+c1*rand*(p1(j,:)-x1(j,:)+c2*rand*(g1-x1(j,:);x1(j,:)=x1(j,:)+v1(j,:);endgb1(i)=gbest1;endplot(gb1)