pso粒子群算法

基本粒子群优化算法Matlab源程序

这个程序就是最基本的粒子群优化算法程序，用Matlab实现，非常简单。只有几十行代码。正所谓一分钱一分货啊，优化效果不总是令人满意。我还有几个改进的粒子群优化算法版本，这一段时间会陆续发上来。      下面是主函数的源程序，优化函数则以m文件的形式放在fitness.m里面，对不同的优化函数只要修改fitness.m就可以了通用性很强。      主函数源程序（main.m）   %------基本粒子群优化算法（Particle Swarm Optimization）----------- %------名称：基本粒子群优化算法（PSO） %------作用：求解优化问题 %------说明：全局性，并行性，高效的群体智能算法 %------作者：孙明杰（[email protected]） %------单位：中国矿业大学理学院计算数学硕2005 %------时间：2006年8月17日 <CopyRight@dReAmsUn> %------------------------------------------------------------------ %------初始格式化-------------------------------------------------- clear all; clc; format long; %------给定初始化条件---------------------------------------------- c1=1.4962;             %学习因子1 c2=1.4962;             %学习因子2 w=0.7298;              %惯性权重 MaxDT=1000;            %最大迭代次数 D=10;                  %搜索空间维数（未知数个数） N=40;                  %初始化群体个体数目 eps=10^(-6);           %设置精度(在已知最小值时候用) %------初始化种群的个体(可以在这里限定位置和速度的范围)------------ for i=1:N     for j=1:D         x(i,j)=randn;  %随机初始化位置         v(i,j)=randn;  %随机初始化速度     end end %------先计算各个粒子的适应度，并初始化Pi和Pg---------------------- for i=1:N     p(i)=fitness(x(i,:),D);     y(i,:)=x(i,:); end pg=x(1,:);             %Pg为全局最优 for i=2:N     if fitness(x(i,:),D)<fitness(pg,D)         pg=x(i,:);     end end %------进入主要循环，按照公式依次迭代，直到满足精度要求------------ for t=1:MaxDT     for i=1:N         v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:));         x(i,:)=x(i,:)+v(i,:);         if fitness(x(i,:),D)<p(i)             p(i)=fitness(x(i,:),D);             y(i,:)=x(i,:);         end         if p(i)<fitness(pg,D)             pg=y(i,:);         end     end     Pbest(t)=fitness(pg,D); end %------最后给出计算结果 disp('*************************************************************') disp('函数的全局最优位置为：') Solution=pg' disp('最后得到的优化极值为：') Result=fitness(pg,D) disp('*************************************************************') %------算法结束---DreamSun GL & HF-----------------------------------       适应度函数源程序（fitness.m） function result=fitness(x,D) sum=0; for i=1:D     sum=sum+x(i)^2; end result=sum;