matlab粒子群优化算法举例分析范文Word格式文档下载.docx
《matlab粒子群优化算法举例分析范文Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《matlab粒子群优化算法举例分析范文Word格式文档下载.docx（46页珍藏版）》请在冰点文库上搜索。
%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1
c21=2;
%学习因子2
c12=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:
N
forj=1:
D
x（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
end
end
%------显示群位置----------------------
figure
（1）
forj=1:
D
if（rem（D,2）>
0）
subplot（（D+1）/2,2,j）
else
subplot（D/2,2,j）
end
plot（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（'
char（floor（j/10）+48））;
%floor向负无穷方向取整
char（rem（j,10）+48,'
%rem取余
title（tInfo）
%------显示种群速度
figure
（2）
plot（v（:
gridon%是不是应该是v（:
j）
初始速度'
char（floor（j/10）+48）,'
维）;
figure（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）;
pbest1（i）=fitness（x1（i,:
）,D）;
%适应度函数
%------初始化全局最优位置和最优值---------------
g1=1000*ones（1,D）;
gbest1=1000;
if（pbest1（i）<
gbest1）
g1=p1（i,:
gbest1=pbest1（i）;
gb1=ones（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---
T
if（fitness（x1（j,:
）,D）<
pbest1（j））
p1（j,:
）=x1（j,:
pbest1（j）=fitness（x1（j,:
if（pbest1（j）<
g1=p1（j,:
gbest1=pbest1（j）;
v1（j,:
）=w*v1（j,:
）+c11*rand*（p1（j,:
）-x1（j,:
））+c21*rand*
（g1-x1（j,:
））;
x1（j,:
）+v1（j,:
gb1（i）=gbest1;
plot（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）;
pbest2（i）=fitness（x2（i,:
%-----初始化种全局最优位置和最优解------
g2=1000*ones（1,D）;
gbest2=1000;
if（pbest2（i）<
gbest2）
g2=p2（i,:
%最优位置
gbest2=pbest2（i）;
%最优解
gb2=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---
if（fitness（x2（j,:
pbest2（j））%个体最优
p2（j,:
）=x2（j,:
pbest2（j）=fitness（x2（j,:
if（pbest2（j）<
gbest2）%全局最优
g2=p2（j,:
gbest2=pbest2（j）;
v2（j,:
）=w*v2（j,:
）+c12*rand*（p2（j,:
）-x2（j,:
））+c22*rand*
（g2-x2（j,:
x2（j,:
）+v2（j,:
gb2（i）=gbest2;
%每一代的最优解
plot（gb2）
c12,c22）;
程序2
于
对比
clc;
c12=0;
c22=2;
%随机初始化位置
gridon
char（floor（j/10）+48），
char（rem（j,10）+48）,'
第,char（j+48）,'
char（floor（j/10）+48）,
%-----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---
v1（j,:
））+c21*rand*（g1-x1（j,:
%-----初始化种全局最有位置和最优解------
%------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---
pbest2（j））
v2（j,:
））+c22*rand*（g2-x2（j,:
b）适应度函数
%适应度函数（fitness.m）
functionresult=fitness（x,D）
sum=0;
sum=sum+x（i）^2;
result=sum;
%-----------------------程序3-----------------------------------------------
程序3
c12=2;
c22=0;
%--------------------------------------程序4----------------------------------
程序4
对
分别对其取值
测试函数。
c1=1.1;
c2=2;
w1=1.2;
w2=1.5;
%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）------------
%----显示种群速度-----------------
char（floor（j/
升级会员 