粒子群演算法的matlab實現(一)
阿新 • • 發佈:2019-01-05
結果如下:clc;clear;close all; %% 初始化種群 f= @(x)x .* sin(x) .* cos(2 * x) - 2 * x .* sin(3 * x); % 函式表示式 figure(1);ezplot(f,[0,0.01,20]); N = 50; % 初始種群個數 d = 1; % 空間維數 ger = 100; % 最大迭代次數 limit = [0, 20]; % 設定位置引數限制 vlimit = [-1, 1]; % 設定速度限制 w = 0.8; % 慣性權重 c1 = 0.5; % 自我學習因子 c2 = 0.5; % 群體學習因子 for i = 1:d x = limit(i, 1) + (limit(i, 2) - limit(i, 1)) * rand(N, d);%初始種群的位置 end v = rand(N, d); % 初始種群的速度 xm = x; % 每個個體的歷史最佳位置 ym = zeros(1, d); % 種群的歷史最佳位置 fxm = zeros(N, 1); % 每個個體的歷史最佳適應度 fym = -inf; % 種群歷史最佳適應度 hold on plot(xm, f(xm), 'ro');title('初始狀態圖'); figure(2) %% 群體更新 iter = 1; record = zeros(ger, 1); % 記錄器 while iter <= ger fx = f(x) ; % 個體當前適應度 for i = 1:N if fxm(i) < fx(i) fxm(i) = fx(i); % 更新個體歷史最佳適應度 xm(i,:) = x(i,:); % 更新個體歷史最佳位置 end end if fym < max(fxm) [fym, nmax] = max(fxm); % 更新群體歷史最佳適應度 ym = xm(nmax, :); % 更新群體歷史最佳位置 end v = v * w + c1 * rand * (xm - x) + c2 * rand * (repmat(ym, N, 1) - x);% 速度更新 % 邊界速度處理 v(v > vlimit(2)) = vlimit(2); v(v < vlimit(1)) = vlimit(1); x = x + v;% 位置更新 % 邊界位置處理 x(x > limit(2)) = limit(2); x(x < limit(1)) = limit(1); record(iter) = fym;%最大值記錄 % x0 = 0 : 0.01 : 20; % plot(x0, f(x0), 'b-', x, f(x), 'ro');title('狀態位置變化') % pause(0.1) iter = iter+1; end figure(3);plot(record);title('收斂過程') x0 = 0 : 0.01 : 20; figure(4);plot(x0, f(x0), 'b-', x, f(x), 'ro');title('最終狀態位置') disp(['最大值:',num2str(fym)]); disp(['變數取值:',num2str(ym)]);