粒子群优化算法求优和LBG算法的运行.pptVIP

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 一. 粒子群优化算法求最优解 粒子群优化算法求最优解 基本粒子群优化算法流程图 程序分析 初始化各主要数据（设三维的Sphere函数求最优） 初始化各主要数据 主程序 主程序 主程序 运行结果(添加三维图等，使之直观点， 达优范围要查) 二. LBG算法矢量量化码书设计 LBG矢量量化码书程序流程图 程序分析 main_lbg()主要程序分析 main_lbg()主要程序分析 main_lbg()主要程序分析 cal_ed_ad()主要程序分析 LBG()主要程序分析 LBG()主要程序分析 运行结果 Lena原图 LBG算法译码图像 运行结果 SZU－TI DSP Lab * 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。 D维空间中，有N个粒子； 粒子i位置：xi=(xi1,xi2,…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+vin c1,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），以增加有哪些信誉好的足球投注网站随机性 w —惯性因子，非负数，调节对解空间的有哪些信誉好的足球投注网站范围 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 no yes 达到最大迭代次数或 全局最优位置满足最小界限？ 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(index) 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) 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=[-100 100;-100 100;-100 100]; %粒子的坐标范围 NDim = length(Bound); %空间维数 … for i=1:PopSize %定义粒子上下边界 lowerbound(:,i)=Bound(:,1); upperbound(:,i)=Bound(:,2); end … for i=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 … for i=1:Ndim %初始化各粒子最大速度，使粒子不能越出边界 vmax(i,:)=(Bound(i,2)-Bound(i,1))/2; end velocity = vmax.*rand(NDim, PopSize); for i