matlab粒子群優(yōu)化算法舉例分析

1、例函數(shù)對(duì)于適應(yīng)度函數(shù)fitness對(duì)其參數(shù)，，做出不同???1012)(iixxfw1c3c方式的比較以測(cè)試其對(duì)函數(shù)結(jié)果影響。當(dāng)，，。22111??cc5.12212??cc2.1?w(適應(yīng)函數(shù)適應(yīng)函數(shù))???1012)(iixxf程序程序1當(dāng)，，。22111??cc5.12212??cc2.1?wa)%主函數(shù)源程序（main.m）%基本粒子群算法（particleswarmoptimization）%名稱：基本粒子群算法%初始格式化c

2、learall%清除所有變量clc%清屏fmatlong%將數(shù)據(jù)顯示為長(zhǎng)整形科學(xué)計(jì)數(shù)%給定初始條條件N=40%初始化群體個(gè)數(shù)D=10%初始化群體維數(shù)T=100%初始化群體最迭代次數(shù)c11=2%學(xué)習(xí)因子1c21=2%學(xué)習(xí)因子2c12=1.5c22=1.5w=1.2%慣性權(quán)重eps=10^(6)%設(shè)置精度（在已知最小值的時(shí)候用）%初始化種群個(gè)體（限定位置和速度）x=zeros(ND)%x是位置，初始化位置空間（矩陣）v=zeros(ND)%

3、v是速度，初始化速度空間（矩陣）fi=1:Nfj=1:Dx(ij)=rn%隨機(jī)初始化位置，rn返回一個(gè)隨機(jī)變化的符合正態(tài)分布的數(shù)v(ij)=rn%隨機(jī)初始化速度endend%顯示群位置figure(1)fj=1:Dend%初始化全局最優(yōu)位置和最優(yōu)值g1=1000ones(1D)gbest1=1000fi=1:Nif(pbest1(i)gbest1)g1=p1(i:)gbest1=pbest1(i)endendgb1=ones(1T)%進(jìn)

4、入主循環(huán)，按照公式依次迭代直到滿足精度或者迭代次數(shù)fi=1:Tfj=1:Nif(fitness(x1(j:)D)pbest1(j))p1(j:)=x1(j:)pbest1(j)=fitness(x1(j:)D)endif(pbest1(j)gbest1)g1=p1(j:)gbest1=pbest1(j)endv1(j:)=wv1(j:)c11r(p1(j:)x1(j:))c21r(g1x1(j:))x1(j:)=x1(j:)v1(j:)