二维粒子群优化算法.docx

%二维粒子群优化算法
%functionGoodPSOMVP222
%P--粒子位置数组
%V--粒子速度数组
%W--惯性因子横向量
%F--适应度值列向量
%B--每代最优值列向量
%G--前t代全局最优值位置
%FB--每代最优值列向量
%c1--局部加速因子
%c2--全局加速因子
%pnum--粒子数目
%dnum--自变量维数
%tnum--迭代次数(代数)
%xymin--自变量下限
%xymax--自变量上限
%gBest--每代所有粒子全局最优值位置
%pBest--前t代每个粒子局部最优值位置
%fBest--前t代最优值列向量
%maxfit--最大适应度值
%Meanfit--每代平均适应度值数组
%Newfit--新平均适应度值数组
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
clc
clearall
closeall
c1=2;
c2=2;
wmin=0;
wmax=0.9;
pnum=50;
dnum=1;
tnum=200;
xmin=0;
xmax=9;
step=0.05;
fort=1:tnum
W(t)=wmax-((wmax-wmin)/tnum)*t;
end
TF='X+10*sin(X.*5)+7*cos(X.*4)';%目标函数
Meanfit=[];
P=[];
P=xmin+(xmax-xmin)*rand(pnum,dnum,1);%随机生成第一代所有粒子位置%1表示第一代
V=wmin+(wmax-wmin)*rand(pnum,dnum,1);%随机生成第一代所有粒子速度数组%1表示第一代
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
fori=1:pnum
%求第一代所有粒子的适应度值
F(i,1,1)=TargetFun(P(i,1,1));
end
newfit=mean(F(:,1,1));
Meanfit=[Meanfitnewfit];
%求第一代所有粒子适应度值的最大值(函数最大值)及最大值对应的位置
[maxfit,k]=max(F(:,1,1));
B(1,1,1)=maxfit;%将第一代适应度值的最大值存储到列向量B中
%第一代的最大值也就是目前整个种群找到的最优解%这个极值是全局极值G
G(1,1,1)=P(k,1,1);
forp=1:pnum
%整个种群目前找到的最优解%这个极值是全局极值G
gBest(p,1,1)=G(1,1,1);
end
%把前1代的最优值保存列向量fBest中
fBest(1,1,1)=TargetFun(gBest(1,1,1));
fori=1:pnum
%第一代每个粒子本身所找到的最优解位置(即第一代粒子本身)%这个解叫做个体极值pBest
pBest(i,:,1)=P(i,:,1);
end
%计算第一代粒子中目标函数的最优值
FB(1,1,1)=TargetFun(G(1,1,1));
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%从第二代开始迭代
fort=2:tnum
V(:,1,t)=W(t-1)*V(:,1,t-1)+c1*rand*(pBest(:,1,t-1)-P(:,1,t-1))+c2*rand*(gBest(:,1,t-1)-P(:,1,t-1));
P(:,1,t)=P(:,1,t-1)+V(:,1,t);
fori=1:pnum
ifP(i,1,t)<xmin
P(i,1,t)=xmin;
end
ifP(i,1,t)>xmax
P(i,1,t)=xmax;
end
end
fori=1:pnum
%求第t代所有粒子的适应度值
F(i,1,t)=TargetFun(P(i,1,t));
end
Newfit=mean(F(:,1,t));
Meanfit=[MeanfitNewfit];
%求第t代所有粒子适应度值的最大值(函数最大值)及最大值对应的位置
[maxfit,k]=max(F(:,:,t));
B(1,1,t)=maxfit;%将第t代适应度值的最大值存储到列向量B中
%假设第t代最优值的坐标(参数)是全局最优值的坐标并保存在数组G中
G(1,1,t)=P(k,1,t);
%将第t代最优函数值保存到列向量FB中
FB(1,1,t)=TargetFun(G(1,1,t));
%求前t代的最优值及最优值的位置
[maxfit,k]=max(FB(1,1,:))