资源描述：
《粒子群算法源程序》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、二维粒子群matlab源程序%function[psoF]=pso_2D() %FUNCTIONPSO --------USEParticleSwarmOptimizationAlgorithm %globalpresent; %closeall; clc; clearall; pop_size=10; % pop_size 种群大小 ///粒子数量 part_size=2; % part_size 粒子大小 ///粒子的维数 gbest=zeros(1,part_size+1); % gbest 当前搜
2、索到的最小的值 max_gen=200; % max_gen 最大迭代次数 %best=zeros(part_size,pop_size*part_size);%xuan region=zeros(part_size,2); % 设定搜索空间范围->解空间 region=10*[-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3];% 每一维设定不同范围(称之为解空间，不是可行域空间） rand('state',sum(100*clock)); % 重置随机数发生器
3、状态 %当前种群的信息矩阵，逐代进化的群体 % 当前位置,随机初始化 % 一个10*3的随机的矩阵（初始化所有粒子的所有维数的位置值），其中最后一列为 arr_present=ini_pos(pop_size,part_size); % 初始化当前速度 % 一个10*2的随机的矩阵（初始化所有粒子的所有维数的速度值） v=ini_v(pop_size,part_size); %不是当前种群，可看作是一个外部的记忆体，存储每个粒子历史最优值（2维数值）：根据适应度更新！ %注意：pbest数组10*3 最后一列保存的是适应度
4、 pbest=zeros(pop_size,part_size+1); %pbest：粒子以前搜索到的最优值，最后一列包括这些值的适应度 %1*80 保存每代的最优值 best_record=zeros(part_size+1,max_gen); %best_record数组：记录每一代的最好的粒子的适应度 w_max=0.9; % w_max权系数最大值 w_min=0.2; % w_min权系数最小值 v_max=2; % 最大速度,为粒子的范围宽度 c1=2; % 学习因子1 c2
5、=2; % 学习因子2 %———————————————————————— % 计算原始种群的适应度,及初始化 %———————————————————————— % 注意：传入的第一个参数是当前的粒子群体 ，ini_fit函数计算每个粒子的适应度 %arr_present(:,end)是最后一列 ，保存每个粒子的适应值，是这样的！xuan arr_present(:,end)=ini_fit(arr_present,pop_size,part_size); % 数组赋值，初始化每个粒子个体的历史最优值，以后会更新的
6、 pbest=arr_present; % 初始化各个粒子最优值 % 找到当前群体中适应度最小的（在最后一列中寻找），best_value % 改为max，表示关联度最大 [best_valuebest_index]=max(arr_present(:,end));%初始化全局最优，即适应度为全局最小的值，根据需要也可以选取为最大值 % 唯一的全局最优值，是当前代所有粒子中最好的一个 gbest=arr_present(best_index,:); % 因为是多目标，因此这个----------------- % 只是示意
7、性的画出3维的 %x=[-3:0.01:3]; %y=[-3:0.01:3]; %[X,Y]=meshgrid(x,y); %Z1=(-10)*exp((-0.2)*sqrt(X^2+Y^2)); %Z2=(abs(X))^0.8+abs(Y)^0.8+5*sin(X^3)+5*sin(Y^3); %z1=@(x,y)(-10)*exp((-0.2)*sqrt(x^2+y^2)); %z2=@(x,y)(abs(x))^0.8+abs(y)^0.8+5*sin(x^3)+5*sin(y^3); %ezmeshc(z1);gridon;
8、 %ezmeshc(z2);gridon; %开始进化，直到最大代数截至 fori=1:max_gen %gridon; %三维图象 %多维图象是画不出来的 %ezmesh(z),hol
