matlab粒子群优化算法举例分析.docx

例函数对于适应度函数fitness对其参数，，做出不同方式的比较以测试其对函数结果影响。
当，，。
(适应函数)
程序1
当，，。
a)%主函数源程序（main.m）
%------基本粒子群算法（particleswarmoptimization）
%------名称：基本粒子群算法
%------初始格式化

clearall;%清除所有变量
clc;%清屏
formatlong;%将数据显示为长整形科学计数
%------给定初始条条件------------------
N=40;%³初始化群体个数
D=10;%初始化群体维数
T=100;%初始化群体最迭代次数
c11=2;%学习因子1
c21=2;%学习因子2
c12=1.5;
c22=1.5;
w=1.2;%惯性权重
eps=10^(-6);%设置精度（在已知最小值的时候用）
%------初始化种群个体（限定位置和速度）------------
x=zeros(N,D); %x是位置，初始化位置空间（矩阵）
v=zeros(N,D); %v是速度，初始化速度空间（矩阵）
fori=1:N
forj=1:D
x(i,j)=randn;%随机初始化位置，randn返回一个随机变化的符合正态分布的数
v(i,j)=randn;%随机初始化速度
end
end
%------显示群位置----------------------
figure(1)
forj=1:D
if(rem(D,2)>0)
subplot((D+1)/2,2,j)
else
subplot(D/2,2,j)
end
plot(x(:,j),'b*');gridon %’b*’表示颜色是绿的，用*显示在图上
xlabel('粒子')
ylabel('初始位置')
tInfo=strcat('第',char(j+48),'维'); %strcat使括号里的东西连成字符串
if(j>9)
tInfo=strcat('第',char(floor(j/10)+48)); %floor向负无穷方向取整
char(rem(j,10)+48,'维'); %rem取余
end
title(tInfo)
end
%------显示种群速度
figure(2)
forj=1:D
if(rem(D,2)>0)
subplot((D+1)/2,2,j)
else
subplot(D/2,2,j)
end
plot(v(:,j),'b*');gridon %是不是应该是v(:,j)
xlabel('粒子')
ylabel('初始速度')
tInfo=strcat('第',char(j+48),'维');
if(j>9)
tInfo=strcat('第',char(floor(j/10)+48),'维');
char(rem(j,10)+48,'维);
end
title(tInfo)
end
figure(3)
%第一个图
subplot(1,2,1)
%------初始化种群个体（在此限定速度和位置）------------
x1=x;
v1=v;
%------初始化个体最优位置和最优值---
p1=x1;
pbest1=ones(N,1);
fori=1:N
pbest1(i)=fitness(x1(i,:),D); %适应度函数
end
%------初始化全局最优位置和最优值---------------
g1=1000*ones(1,D);
gbest1=1000;
fori=1:N
if(pbest1(i)<gbest1)
g1=p1(i,:);
gbest1=pbest1(i);
end
end
gb1=ones(1,T);
%-----进入主循环，按照公式依次迭代直到满足精度或者迭代次数---
fori=1:T
forj=1:N
if(fitness(x1(j,:),D)<pbest1(j))
p1(j,:)=x1(j,:);
pbest1(j)=fitness(x1(j,:),D);
end
if(pbest1(j)<gbest1)
g1=p1(j,:);
gbest1=pbest1(j);
end
v1(j,:)=w*v1(j,:)+c11*rand*(p1(j,:)-x1(j,:))+c21*rand*

(g1-x1(j,:));
x1(j,:)=x1(j,:)+v1(j,:);
end
gb1(i)=gbest1;
end
plot(gb1)
TempStr=sprintf('c1=%g,c2=%g',c11,c21);
title(TempStr);
xlabel('迭代次数');
ylabel('适应度值');
%第二个图
subplot(1,2,2)
%-----初始化种群个体（在此限定速