粒子群优化算法python程序_粒子群优化算法-python实现

PSOIndividual.py

import numpy as np

import ObjFunction

import copy

class PSOIndividual:

'''

individual of PSO

'''

def __init__(self, vardim, bound):

'''

vardim: dimension of variables

bound: boundaries of variables

'''

self.vardim = vardim

self.bound = bound

self.fitness = 0.

def generate(self):

'''

generate a rondom chromsome

'''

len = self.vardim

rnd = np.random.random(size=len)

self.chrom = np.zeros(len)

self.velocity = np.random.random(size=len)

for i in xrange(0, len):

self.chrom[i] = self.bound[0, i] + \

(self.bound[1, i] - self.bound[0, i]) * rnd[i]

self.bestPosition = np.zeros(len)

self.bestFitness = 0.

def calculateFitness(self):

'''

calculate the fitness of the chromsome

'''

self.fitness = ObjFunction.GrieFunc(

self.vardim, self.chrom, self.bound)

PSO.py

import numpy as np

from PSOIndividual import PSOIndividual

import random

import copy

import matplotlib.pyplot as plt

class ParticleSwarmOptimization:

'''

the class for Particle Swarm Optimization

'''

def __init__(self, sizepop, vardim, bound, MAXGEN, params):

'''

sizepop: population sizepop

vardim: dimension of variables

bound: boundaries of variables

MAXGEN: termination condition

params: algorithm required parameters, it is a list which is consisting of[w, c1, c2]

'''

self.sizepop = sizepop

self.vardim = vardim

self.bound = bound

self.MAXGEN = MAXGEN

self.params = params

self.population = []

self.fitness = np.zeros((self.sizepop, 1))

self.trace = np.zeros((self.MAXGEN, 2))

def initialize(self):

'''

initialize the population of pso

'''

for i in xrange(0, self.sizepop):

ind = PSOIndividual(self.vardim, self.bound)

ind.generate()

self.population.append(ind)

def evaluation(self):

'''

evaluation the fitness of the population

'''

for i in xrange(0, self.sizepop):

self.population[i].calculateFitness()

self.fitness[i] = self.population[i].fitness

if self.population[i].fitness > self.population[i].bestFitness:

self.population[i].bestFitness = self.population[i].fitness

self.population[i].bestIndex = copy.deepcopy(

self.population[i].chrom)

def update(self):

'''

update the population of pso

'''

for i in xrange(0, self.sizepop):

self.population[i].velocity = self.params[0] * self.population[i].velocity + self.params[1] * np.random.random(self.vardim) * (

self.population[i].bestPosition - self.population[i].chrom) + self.params[2] * np.random.random(self.vardim) * (self.best.chrom - self.population[i].chrom)

self.population[i].chrom = self.population[

i].chrom + self.population[i].velocity

def solve(self):

'''

the evolution process of the pso algorithm

'''

self.t = 0

self.initialize()

self.evaluation()

best = np.max(self.fitness)

bestIndex = np.argmax(self.fitness)

self.best = copy.deepcopy(self.population[bestIndex])

self.avefitness = np.mean(self.fitness)

self.trace[self.t, 0] = (1 - self.best.fitness) / self.best.fitness

self.trace[self.t, 1] = (1 - self.avefitness) / self.avefitness

print("Generation %d: optimal function value is: %f; average function value is %f" % (

self.t, self.trace[self.t, 0], self.trace[self.t, 1]))

while self.t < self.MAXGEN - 1:

self.t += 1

self.update()

self.evaluation()

best = np.max(self.fitness)

bestIndex = np.argmax(self.fitness)

if best > self.best.fitness:

self.best = copy.deepcopy(self.population[bestIndex])

self.avefitness = np.mean(self.fitness)

self.trace[self.t, 0] = (1 - self.best.fitness) / self.best.fitness

self.trace[self.t, 1] = (1 - self.avefitness) / self.avefitness

print("Generation %d: optimal function value is: %f; average function value is %f" % (

self.t, self.trace[self.t, 0], self.trace[self.t, 1]))

print("Optimal function value is: %f; " % self.trace[self.t, 0])

print "Optimal solution is:"

print self.best.chrom

self.printResult()

def printResult(self):

'''

plot the result of pso algorithm

'''

x = np.arange(0, self.MAXGEN)

y1 = self.trace[:, 0]

y2 = self.trace[:, 1]

plt.plot(x, y1, 'r', label='optimal value')

plt.plot(x, y2, 'g', label='average value')

plt.xlabel("Iteration")

plt.ylabel("function value")

plt.title("Particle Swarm Optimization algorithm for function optimization")

plt.legend()

plt.show()

运行程序:

if __name__ == "__main__":

bound = np.tile([[-600], [600]], 25)

pso = PSO(60, 25, bound, 1000, [0.7298, 1.4962, 1.4962])

pso.solve()

[Algorithm] 群体智能优化算法之粒子群优化算法

同进化算法(见博客,进化算法是受生物进化机制启发而产生的一系列算法)和人工神经网络算法(Neural Networks,简 ...

粒子群优化算法PSO及matlab实现

算法学习自:MATLAB与机器学习教学视频 1.粒子群优化算法概述 粒子群优化(PSO, particle swarm optimization)算法是计算智能领域,除了蚁群算法,鱼群算法之外的一种群 ...

MATLAB粒子群优化算法(PSO)

MATLAB粒子群优化算法(PSO) 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 一.介绍 粒子群优化算法(Particle Swarm Optim ...

ARIMA模型--粒子群优化算法(PSO)和遗传算法(GA)

ARIMA模型(完整的Word文件可以去我的博客里面下载) ARIMA模型(英语:AutoregressiveIntegratedMovingAverage model),差分整合移动平均自回归模型, ...

计算智能(CI)之粒子群优化算法(PSO)(一)

欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习.深度学习的知识! 计算智能(Computational Intelligence , ...

粒子群优化算法(PSO)之基于离散化的特征选择(FS)(二)

欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习.深度学习的知识! 作者:Geppetto 前面我们介绍了特征选择(Feature S ...

粒子群优化算法(PSO)之基于离散化的特征选择(FS)(一)

欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习.深度学习的知识! 作者:Geppetto 在机器学习中,离散化(Discretiza ...

粒子群优化算法对BP神经网络优化 Matlab实现

1.粒子群优化算法 粒子群算法(particle swarm optimization,PSO)由Kennedy和Eberhart在1995年提出,该算法模拟鸟集群飞行觅食的行为,鸟之间通过集体的协作 ...

[matlab] 6.粒子群优化算法

粒子群优化(PSO, particle swarm optimization)算法是计算智能领域,除了蚁群算法,鱼群算法之外的一种群体智能的优化算法,该算法最早由Kennedy和Eberhart在19 ...

随机推荐

SharePoint2016安装的过程的”Microsoft.SharePoint.Upgrade.SPUpgradeException”错误解决方法

前提 在windows server 2012的服务器上运行安装sharepoint2016出现如下错误: Could not load file or assembly ‘Microsoft.Dat ...

BZOJ1120 : [POI2009]STR

因为问题的对称性,只需要考虑求出有多少点离$A$更近即可. 枚举$4$个绝对值的正负号,可以解出坐标范围. 若可以转化为二维数点,则可以统一扫描线+树状数组解决. 否则是三维数点,按一维排序,剩下两维 ...

2013年第四届蓝桥杯C/C++程序设计本科B组决赛

1.猜灯谜(枚举) 2.连续奇数和(等差数列) 3.空白格式化(去除空格) 4.高僧斗法(阶梯nim) 5.格子刷油漆(dp) 6.农场阳光 1.猜灯谜 A 村的元宵节灯会上有一迷题:请猜谜 * 请猜 ...

Android应用开发基础之九:内容提供者(ContentProvider)

内容提供者 应用的数据库是不允许其他应用访问的 内容提供者的作用:就是让别的应用访问到你的数据库 自定义内容提供者,继承ContentProvider类,重写增删改查方法,在方法中写增删改查数据库的代 ...

java多线程之死锁

产生死锁的条件: 1.有至少一个资源不能共享2.至少有一个任务必须持有一个资源并且等待获取另一个被别的任务持有的资源3.资源不能任务抢占4.必须有循环等待 只要打破其中一个条件就不会产生死锁,通常是打 ...

Prism的IEventAggregator事件聚合器, 事件订阅发布, ViewModel之间的通讯

WPF中时常会遇到ViewModel之间的通讯,ViewModel并不知道自己的View,但是一个View发生的更改需要通知另外一个View. 举一个例子,软件界面上有个人信息,打开一个界面更改用户的 ...

nginx模块编程之获取客户ip及端口号

ngx_request_t结构体中有一个connection定义,该定义指向一个ngx_connection_t的结构体: 结构体定义如下: struct ngx_connection_s { voi ...

Stat

Description 请你编程实现一个简单(渣渣)的文本编辑器,具体要求是:给定一个单词,请你输出它在给定的文章中出现的次数和第一次出现的位置.注意:匹配单词时,不区分大小写,但要求完全匹配,即给定 ...

lsof使用

用netstat命令去统计服务器目前的网络连接状态 netstat -n|awk '/^tcp/{++S[$NF]}END{for(a in S) print a,S[a]}'   netstat - ...

poj1182、hdu1829(并查集)

题目链接:http://poj.org/problem?id=1182 食物链 Time Limit: 1000MS   Memory Limit: 10000K Total Submissions: ...

你可能感兴趣的:(粒子群优化算法python程序)