粒子群优化算法求优.ppt

《粒子群优化算法求优.ppt》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、粒子群优化算法求优及LBG算法的运行深圳大学信息工程学院黄彩玲1一.粒子群优化算法求最优解初始化一群随机粒子（随机解）每次迭代中，粒子通过跟踪两个极值更新自己：－粒子本身找到的历史最后解（个体极值点pbest）－整个种群目前找到的最好解（全局极值点gbest）需要计算粒子的适应值，以判断粒子位置距最优点的距离。每次迭代中，根据适应度值更新pbest和gbest。迭代中止条件：设置最大迭代次数或全局最优位置满足预定最小适应阈值。2粒子群优化算法求最优解D维空间中，有N个粒子；粒子i位置：xi=(xi1,xi2,…

2、xid)，将xi代入适应函数f(xi)求适应值；粒子i速度：vi=(vi1,vi2,…vid)粒子i个体极值点位置：pbesti=(pi1,pi2,…pid)种群的全局极值点位置：gbest=(g1,g2,…gd)粒子i的第n维速度和位置更新公式：vin=w*vin+c1*r1*(pbestin-xin)+c2*r2*(gbestn-xin)xin=xin+vinc1,c2—学习因子，经验值取c1=c2=2，调节学习最大步长r1,r2—两个随机数，取值范围（0，1），以增加搜索随机性w—惯性因子，非负数，调节对解

3、空间的搜索范围3基本粒子群优化算法流程图开始初始化粒子群计算每个粒子的适应度根据适应度更新pbest、gbest，更新粒子位置速度结束noyes达到最大迭代次数或全局最优位置满足最小界限？4程序分析主要数据结构：种群大小(PopSize)空间维数(NDim)矢量的边界(Bound)最大迭代次数(MaxIter)C1、C2、W、R1、R2各粒子当前适应度值(fvalue)各粒子位置(population)各粒子速度(velocity)各粒子的最佳位置(pbest)全局最佳粒子位置(gbest)全局最佳粒子序号(in

4、dex)更新前各粒子适应度值(fpbest)得到相近适应度值的迭代次数(samecounter)临时适应度值(oldbestval)5初始化各主要数据（设三维的Sphere函数求最优）flag=0;%停止程序标志oldbestval=0;%记录旧的适应度值samecounter=0;%记录得到相同适应度值的迭代次数iteration=0;%迭代次数MaxIter=100;%最大迭代次数PopSize=20;%种群大小c1=.5;%学习因子c2=.5;%学习因子w=0.8;%惯性因子Bound=[-100100;-

5、100100;-100100];%粒子的坐标范围NDim=length(Bound);%空间维数…fori=1:PopSize%定义粒子上下边界lowerbound(:,i)=Bound(:,1);upperbound(:,i)=Bound(:,2);end6初始化各主要数据…fori=1:Ndim%初始化各粒子初始位置，在有效范围内随机选数population(i,:)=rand(1,PopSize)*(Bound(i,2)-Bound(i,1))+Bound(i,1);end…fori=1:Ndim%初始化各

6、粒子最大速度，使粒子不能越出边界vmax(i,:)=(Bound(i,2)-Bound(i,1))/2;endvelocity=vmax.*rand(NDim,PopSize);fori=1:PopSize%计算各粒子的适应度值fvalue(i)=population(1,i)^2+population(2,i)^2+population(3,i)^2;endpbest=population;%记录各粒子的个体极值点位置fpbest=fvalue;%记录最佳适应度值[fbestval,index]=min(fva

7、lue);%找出全局极值和相应的序号7主程序while(flag==0)&(iteration

8、population)+c2*R2.*(gbest-population);%更新各粒子速度population=population+velocity;%更新各粒子位置OutFlag=population<=lowerbound

9、population>=upperbound;%逸出标志population=population-OutFlag.*velocity;%阻止