PSO的matlab源程序.docVIP

基本粒子群优化算法Matlab源程序 Matlab实现，非常简单。只有几十行代码。 下面是主函数的源程序，优化函数则以m文件的形式放在fitness.m里面，对不同的优化函数只要修改fitness.m就可以了通用性很强。 主函数源程序（main.m） %------基本粒子群优化算法（Particle Swarm Optimization）----------- %------名称：基本粒子群优化算法（PSO） %------作用：求解优化问题 %------说明：全局性，并行性，高效的群体智能算法 %------作者：孙明杰（dreamsun2001@126.com） %------单位：中国矿业大学理学院计算数学硕2005 %------时间：2006年8月17日 CopyRight@dReAmsUn %------------------------------------------------------------------ %------初始格式化-------------------------------------------------- clear all; clc; format long; %------给定初始化条件---------------------------------------------- c1=1.4962; %学习因子1 c2=1.4962; %学习因子2 w=0.7298; %惯性权重 MaxDT=1000; %最大迭代次数 D=10; %有哪些信誉好的足球投注网站空间维数（未知数个数） N=40; %初始化群体个体数目 eps=10^(-6); %设置精度(在已知最小值时候用) %------初始化种群的个体(可以在这里限定位置和速度的范围)------------ for i=1:N for j=1:D x(i,j)=randn; %随机初始化位置 v(i,j)=randn; %随机初始化速度 end end %------先计算各个粒子的适应度，并初始化Pi和Pg---------------------- for i=1:N p(i)=fitness(x(i,:),D); y(i,:)=x(i,:); end pg=x(1,:); %Pg为全局最优 for i=2:N if fitness(x(i,:),D)fitness(pg,D) pg=x(i,:); end end %------进入主要循环，按照公式依次迭代，直到满足精度要求------------ for t=1:MaxDT for i=1:N v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:)); x(i,:)=x(i,:)+v(i,:); if fitness(x(i,:),D)p(i) p(i)=fitness(x(i,:),D); y(i,:)=x(i,:); end if p(i)fitness(pg,D) pg=y(i,:); end end Pbest(t)=fitness(pg,D); end %------最后给出计算结果 disp(*************************************************************) disp(函数的全局最优位置为：) Solution=pg disp(最后得到的优化极值为：) Result=fitness(pg,D) disp(*************************************************************) %------算法结束---DreamSun GL HF----------------------------------- 适应度函数源程序（fitness.m） function result=fitness(x,D) sum=0; for i=1:D sum=sum+x(i)^2; end result=sum; 粒子群算法（PSO）源代码 作者：swjtu??来源：转载/u