matlab粒子群优化算法举例分析

《matlab粒子群优化算法举例分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、.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（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

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）fori=1:Nforj=1:Dx(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)fo

3、rj=1:D...if(rem(D,2)>0)subplot((D+1)/2,2,j)elsesubplot(D/2,2,j)endplot(x(:,j),'b*');gridon%’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(j>9)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endtitle(tInf

4、o)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(v(:,j),'b*');gridon%是不是应该是v(:,j)xlabel('粒子')ylabel('初始速度')tInfo=strcat('第',char(j+48),'维');if(j>9)tInfo=strcat('第',char(floor(j/10)+48),'维');char(rem(j,10)+48,'维);endtitle(tInfo)endfigure(3)%第一

5、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);%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;fori=1:Nif(pbest1(i)

6、nes(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---fori=1:Tforj=1:Nif(fitness(x1(j,:),D)

7、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,:),