《最新matlab粒子群优化算法举例分析.doc》由会员分享，可在线阅读，更多相关《最新matlab粒子群优化算法举例分析.doc（122页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.-author-datematlab粒子群优化算法举例分析clear all; %清除所有变量例 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
2、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=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，
3、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,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);%fl
4、oor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 subplot(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
5、,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 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
6、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); end 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(g
7、b1)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);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
8、(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 (fitness(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) y
9、label(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(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 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) t
10、Info=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
11、,:); 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(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,:
12、)=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=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%-初始化种全局最有位置和 最优解-g2=1000*ones(1,D);g
13、best2=1000;for i=1:N if(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-for i=1:T for j=1:N if (fitness(x2(j,:),D)pbest2(j) 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*);
14、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(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 subplot(D/2,2,j) end plot(x(:,j),b*);grid on xlabel(粒子) ylabel(初始速度) tInfo=strcat(第,cha
15、r(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(pbes
16、t1(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(j) p1(j,:)=x1(j,:); pbest1(j)=fitness(x1(j,:),D); end if(pbest1(j)gbest1) g1=p1(j,:); gbest1=pbest1(j); end v1(j,:)=w*v1(j,:)+c11*rand*(p1(j,:)-x1(j,:)+c21*ran
17、d*(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=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%-初始化种全局最有位置和 最优
18、解-g2=1000*ones(1,D);gbest2=1000;for i=1:N if(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-for i=1:T for j=1:N if (fitness(x2(j,:),D)pbest2(j) 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)
19、 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(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 subplot(D/2,2,j) end plot(x(:,j),b*);grid on xlabel(粒子) ylabel(初始速度)
20、 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)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);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;fo
21、r 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(j) p1(j,:)=x1(j,:); pbest1(j)=fitness(x1(j,:),D); end if(pbest1(j)gbest1) g1=p1(j,:); gbest1=pbest1(j); endv1(j,:)=w1*v1(j,:)+c1*rand*(p1(j,:)-x
22、1(j,:)+c2*rand*(g1-x1(j,:); x1(j,:)=x1(j,:)+v1(j,:); end gb1(i)=gbest1;endplot(gb1)TempStr=sprintf(w= %g ,w1);title(TempStr);xlabel(迭代次数);ylabel(适应度值);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);for i=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;for i=1:N if(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-for i=1:T for j=1:N if (fitness(x2(j,:),D)pbest2(j) 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)