标签:粒子 pbest 解为例 算法 ones matlab Xmax MaxIter Vmax
粒子群算法matlab以求解函数最优解为例
clear; clc; close all;
N=100; %粒子个数
D=2; %粒子维数
MaxIter=500; %最大迭代次数
C1max=1.8; %权重参数,自适应
C2max=1.8;
C1=1.2;
C2=1.2;
w=0.79;
Wmax=0.8; %对自己速度的记忆
Wmin=0.4;
Xmax=4; Xmin=-4; %自变量的范围
Vmax=1; Vmin=-1; %速度的范围
x=rand(N,D)*(Xmax-Xmin)+Xmin; %初始化N个粒子的D维空间位置
v=rand(N,D)*(Vmax-Vmin)+Vmin; %初始化N个粒子的D维空间速度
p=x;
pbest=ones(N,1);
for i=1:N
pbest(i)=func(p(i,:)); %计算适应度,此处求的优化目标是最小值
end
g=ones(1,D);
gbest=min(pbest); %全局最小值
index=find(pbest==gbest);
g=p(index(1),:); %全局最小位置
gb=ones(1,MaxIter); %记录历史的全局最小
for i=1:MaxIter
for j=1:N
if func(x(j,:))<pbest(j)
pbest(j)=func(x(j,:)); %记录对应粒子的局部最小
p(j,:)=x(j,:);
end
if pbest(j)<gbest
gbest=pbest(j); %记录对应粒子的全局最小
g=p(j,:);
end
w=Wmax-(Wmax-Wmin)*i/MaxIter; %自适应更新记忆度
C1=(C1max-C1)*i/MaxIter+C1; %自适应更新权重
C2=(C2max-C2)*i/MaxIter+C2;
v(j,:)=w*v(j,:)+C1*rand*(p(j,:)-x(j,:))+C2*rand*(g-x(j,:)); %速度调整
x(j,:)=x(j,:)+v(j,:); %位置更新
for ii=1:D
if v(j,ii)>Vmax | v(j,ii)<Vmin %边界调整
v(j,ii)=rand*(Vmax-Vmin)+Vmin;
end
if x(j,ii)>Xmax | x(j,ii)<Xmin
x(j,ii)=rand*(Xmax-Xmin)+Xmin;
end
end
end
gb(i)=gbest;
end
g
gb(end)
figure(1)
plot(gb);
xlabel('迭代次数');
ylabel('适应度值');
figure(2);
k1=-4:0.02:4;
k2=-4:0.02:4;
z=3*cos(k1'*k2)+k1+k2.^2;
mesh(k1,k2,z);
hold on;
scatter(g(:,1),g(:,2),func(g),'*')
标签:粒子,pbest,解为例,算法,ones,matlab,Xmax,MaxIter,Vmax 来源: https://blog.csdn.net/cj12345657582255/article/details/115374488
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。