6种粒子群算法程序

《6种粒子群算法程序》由会员分享，可在线阅读，更多相关《6种粒子群算法程序（41页珍藏版）》请在装配图网上搜索。

1、程序1当,，。)%主函数源程序（ain.m)%-基本粒子群算法 (aticl sarm optmzatin）-名称：基本粒子群算法%-初始格式化cleral; 清除所有变量clc; %清屏fomatlong; %将数据显示为长整形科学计数%-给定初始条条件-N0； %初始化群体个数=10; %初始化群体维数1； 初始化群体最迭代次数c11=2； %学习因子1c212; %学习因子2c121.5;c2=15;w.; %惯性权重eps=1（6）; %设立精度（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=zos(,）;vzr（,D）;fr i=1：N for 1:D x(i,j)

2、=rad； %随机初始化位置 (,j）=ran； %随机初始化速度 endnd-显示群位置-igure（)r j1:D if(rem(,2) uplt(+)/2,2,j） ee subplt(D/，2,j) ed lot(x(:，j),b*);ridon xlbel(粒子） ylael(初始位置) tInfstrcat(第,har（j48),维); if(j) tnf=srcat(第,char(foor(j10）+8),ar（rem(j，10）8),维）; end itl(tnfo)en%-显示种群速度fgure(2)or j=1:D if（re（D，）) subplot(（D+1)/2，2,

3、j） lse sbplot（2,) end plot(x（:，j)，b）;i on xlael(粒子) ylabl(初始速度) tInfo=strat(第,h(j4）,维）; if(j9) tIno=strct(第,har(flr(j/1)4),ar(rem(j，10)+48)，维); en tite(Info)dfigue(3)第一种图ublot(1,2,1)%-初始化种群个体(在此限定速度和位置)-x1;v1=v;%-初始化个体最优位置和最优值-p1=;pbest1=one(,1);for =1:N pest1(i)=fitne(x1（i,:),);end%-初始化全局最优位置和最优值-1

4、100*oes(1,D);gbest=10;fri=1：N f(pes1(i)gest1) g1=p1（i,:); gbet1=pbest（i)； endb1=oes(1,);%-浸入主循环,按照公式依次迭代直到满足精度或者迭代次数-or i=1: for j=1:N if(itn(，:)，D)pbet1（j) p1(,:)=(,:)； pbet1(j)=fites（1(j,:）,D）； end f(pest1(j)st1) g1=p(，：）; gbst1=pet1(）; end (j，:)=w*v(j，:)+1rad*(p1（,：)-x1(j,:）+21*and*(g1-x1(j,：)； x

5、1（,:)=x1(j,:)+v1（j,:）; end gb(i）=gst1;endpot(b)TempSt=spritf（c1= %g ,c=g，c11,1）;ttle(Tempr）;xlal(迭代次数）;ylabe(适应度值)；%第二个图subplo（1，,2)-初始化种群个体（在此限定速度和位置)-x2=x;v2v；%-初始化种群个体最有位置和 最优解-2=x2;pbes=oes(,);f i=:N pe2（i）fitness(x(i,:),D);nd%-初始化种全局最有位置和 最优解-21000*ones(1,D);ge2=1000;fori=1: if(best2(i)gbst2) g

6、=p2(i，:); gbest=pbes2（i）; endendg2=ones（1,T）;-浸入主循环，按照公式依次迭代直到满足精度或者迭代次数-for i=1:T for j=:N f(fitess(x2（,：),)t2(j）) p2(，:)=x(j,:); est2(j）=fitns(2(j,：),D）； ed if(pbt2(j)0) suplo(（+)/,j) ele subplo（D/2,，) d lot(:,j）,b*);gid xlal(粒子) ylabel(初始位置) tIo=tra（第,char(j8)，维); if（9) tIno=strcat(第,chr(lor(j1)+

7、），car(rem（j,0)+48),维)； end tte(tInfo)nd-显示种群速度igure(2)orj1: (em(D，） sbt(）/2，2,j) else subpot(D/,2,j) end plo(x(:,j),b);grd lbel(粒子) ylel(初始速度) tIo=rca（第，har(j+4)，维); if(9)Info=sa（第，chr(for(j/0）8),ha（em(j,10)48)，维)； end ttle(nfo）ndfgue(3)%第一种图sublot(，,)%-初始化种群个体（在此限定速度和位置)-x=x;v1=v;%-初始化个体最优位置和最优值-px

8、1；pst1=nes(N，1);for i1:N pest1(i)=itnss(x1(,：）,D);ed%-初始化全局最优位置和最优值-g1000*ons(1，D);gbe1000；fr i=1:N f(pbes1(i）est1) (,:); get1=est1（i）; edendg1=ons(1,T);%-浸入主循环，按照公式依次迭代直到满足精度或者迭代次数-for i=: for j=1： if (finess(x1(j,:），D)pbet1(j）) (j,:)=1(，：)； pe1()=fitnes(x1(j,：），D); end if(pes(j）best) g1p1（j，：); gb

9、s1=est1（j); en1（j，:）=*v1(,:）c11*nd*(p1(，：)-x1(j，:)+c2*and*(g1x1（j,:); x1（,:）=x1(j,：）+v1(j,:）； en b1（）=gbet1;enplot(gb1)Ttr=spintf(1= g ，c2=%g,c11,2);ti(TemS);xbl(迭代次数)；yabl(适应度值）；%第二个图slo(1,2，2)%-初始化种群个体（在此限定速度和位置）-2=;2=;%-初始化种群个体最有位置和 最优解-p2x2;pbet2=one(N,1);for 1: pbest2(i)=fitess（x2（i,:)，)；nd%-初始

10、化种全局最有位置和 最优解-g2=1000*nes(，D)；gbest2=000；for i=:N (pbet2(i）gbes） g=p2(,:)； gbespbest2（i); endeng2=ns（1,T）;%-浸入主循环，按照公式依次迭代直到满足精度或者迭代次数-fo =：T foj：N i (fness(x2(,:),D）be(j）) 2(j,:)=x2(j,：)； pbst2（j）=ftnes(x2（j，:),D); end if(pbst2() subplot(1)2,2,) ele subplot(D/2,j) end pot（x(:,),b);gdon abl（粒子） ylae

11、(初始位置） tnfo=strct(第，har（j+4）,维); i(j9) tIo=stcat(第,ca（floo(j/1)+48），hr(rm(j，10)48）,维); end tit(tIo)nd%-显示种群速度fiu（2）frj=1:D if（rem(D,2）0) suplot(+1）/2,，j) lse subplt(/，2，j) d plo(:，j)，*)；grid o xlab（粒子) bl(初始速度) to=strat(第,char（j+48)，维); if（j9) tInfosct(第,har(or(j/10）+48),ca(em(j，1)48),维); d title(In

12、fo)endfiur(3)%第一种图ubplot(1,2，1)%-初始化种群个体(在此限定速度和位置)-x=；v1；-初始化个体最优位置和最优值-p1=x1;pbet1=oe(,1); i=1：N et1()=iness(x1(i,:)，D);end%-初始化全局最优位置和最优值-g1=1000*ones(,);gbest110；for i=1： f（be1(）be1） 1=p(i,:)； gbest1=pbst1（i)； nendgb1=ne(,T);-浸入主循环，按照公式依次迭代直到满足精度或者迭代次数-or i=1：T for j1： if (ftns（x1（,:),）pbs1(j) p

13、(j,:）x1(j，:); pt(j)=ftns(x1(j,：),D); end (pbest(j)get1) g1=1(,：）； gbest1=pbest1(j); e 1(j，:)*v1(j,:)+c1*rnd*（p1(j,：)-x1(,：)）+1and*(g1-x1(j,:); (j,:）=x1(,:）+v1(j，:); end gb1(i)gest；enplot(b1)emptr=sprif（c1= %g,2=%g,1,c1);itle(TmpStr)；xlael（迭代次数);ylabel(适应度值);%第二个图subplot(1,2，2)%-初始化种群个体（在此限定速度和位置）-x=

14、x;2v；%-初始化种群个体最有位置和 最优解-p=x;pet2=oes(,1);fo i1： pbet2()itne(x（i,:),D);e-初始化种全局最有位置和最优解-g200nes(1，D)；gst2=100;fori1: if(bst2（i)gbest2) g2=p2(i,:); gbet=bet2(i）; ndngb2=oes(1,T）;%-浸入主循环，按照公式依次迭代直到满足精度或者迭代次数-or i=1:T fj=:N if(fitns(x2（j,:)，D)pb2(j) p2(,:)x2(,:）； pbest(j)=fitess(x2（j,:),D)； ed f(best(j)

15、 ubplo(+1)/,2,j) else supot(D/2,2，) plot(x(:,j),b*);gi on xabe(粒子) ylae(初始位置) tIfo=tat(第,char(j+48）,维); if(j9） tInfstrca（第，har(for(/0)+8),char（rem（j,10)+4),维); d tite（tInfo)end%-显示种群速度- igue(）fo j=： f（rem（D,2） sublot(D1)/2,2,j) else sbplot(D/2，2,j) nd plt(x(：,j),b*)；ri on xlbel(粒子） ylabel(初始速度) no=s

16、trca(第,char(j48),维); if(9) tIo=strcat(第,ch(loor（j0)48),r(rem(j,0)48），维); end title(tInf)nd figur（3)subot(1,2，1)%-初始化种群个体(在此限定速度和位置)-x1x；1=v;%-初始化个体最优位置和最优值-p1=1；pbest1oes(,1);for i=:N pbest1(i)=ftnss(x(i,:),);e%-初始化全局最优位置和最优值-11000*ons(1,);gbs1=00;for =:N i(pbest1(i）gbes） g1=p(，：); best1=t1(）; ended

17、g1=oes(1,T);%-浸入主循环,按照公式依次迭代直到满足精度或者迭代次数- i=1:T fo j=1：N if (fitness(x1(,:),D)pes1() p1(j,:)=x(，:); pbes1(j)=fitnes(（j，：),D); nd if(pest1()gbet1) 1=p1(,:)； bes1=pbet(j); endv1(,:）=1v1(,：)+c1*rnd*（(j,:）-x(j,:)+c2*rand*(g1-1(j,：); x1(，:)1（j,:)+v1（j,:)； end gb(i)gbest1;endplot(gb1）TmStrsprntf(w= %g ,w1

18、);titl(TepStr）；xae(迭代次数);ylbl（适应度值);suplo(1,2，2)-初始化种群个体（在此限定速度和位置)-x;2=;%-初始化种群个体最有位置和 最优解-p2=;pbs2ones(N,1）；for i=1:N bst2(i）=inss(x2(i，:)，D);en%-初始化种全局最有位置和 最优解-g2=1000*nes(1,D）；gt2=000;fo i=1: f(pt2（i)bt2） g2=p2(,:); gbesbet2(i); endendb=os(,);%-浸入主循环，按照公式依次迭代直到满足精度或者迭代次数-or i=1: fr j=： f （fitne

19、ss（2(j,：）,D)pbest2()） p（j,:)=x2(，：)； pbest(j)=finess（(j,:)，)； end (pb2(j)） tIfosrcat(第,char（lr(j/1)+)，ch（rem（j,10)8)，维); en tile(tnfo）end-显示种群速度- figue()for j=1:D i(rem(D，2)0） subpl(+1）/2,，j) ee bplo(/2，2,j） ed plot(:,j),);gid xlabel(粒子) labl(初始速度)tInfo=trct(第,har(j+4）,维); if（j9) tIfostrcat(第,cr(flo

20、r(j/10)+4)，char(em（j，10)48)，维)； end tite(nf)en figu(3)subpot(1,2,1)%-初始化种群个体（在此限定速度和位置)-x=x；v1=;%-初始化个体最优位置和最优值-p1x1；et1oes（,1);o =1:N pbest1（i)fitnes(1(i，:)，);end%-初始化全局最优位置和最优值-1=0*one(1,D)；gbst1=1000;or i=:N f（bst1(）est） gp1(i,:); gb1=est1(); enendg1=ones（1,T);%-浸入主循环，按照公式依次迭代直到满足精度或者迭代次数-f =1:T

21、for j1:N if (fitnes(x1（j,:），D)et(j) p1(j,:）=x1(,:）； pbe1（j)itnss（x1(,：)，)； en if(e1(j）best） g1=p1（j，:）; gbet1=pbst1（j）； end v1(,:)=w*v1（,:)+c1rand*(p1(j,:)-（j,:)）c2rand*(1-x(j,：); x1(j,:)x(j，:）+v1(j,:）; end 1(i)=gbest1；endlot(gb1)emStr=spintf(w %g,1);tite(empSr）；xlabel（迭代次数);ael(适应度值);pot(,2,)%-初始化种

22、群个体(在此限定速度和位置）-x=x;v2=v；%-初始化种群个体最有位置和 最优解-p2=x2；bes2=ones(N,1）；r i=1: pbest(i）=tess(（i,：),D）;ed%-初始化种全局最有位置和最优解-2=100*ne(,);gbst2=1000;for i=1:N f(pbest(i）gbest2） g=2(i,:）; gbes2pbes2（i）； dendg2=oes(,T)；%-浸入主循环，按照公式依次迭代直到满足精度或者迭代次数-for =1:T for j=1:N if(itness(x2(,:)，D)bet(j) p2(,：）=x(j,:); pst（)=f

23、itess(x（j,:),D); end if（best2(j)0) sbplot(D1)/2,j) els sbt(D/2,) nd pot(:,j),）;grid on xlabe(粒子) yabl（初始位置) tIfostrca(第,har(j4),维)； f(j9） Inostrat（第，char(floor（j/)48）,har(em（j,0)+48),维)； end tte(tIno)end%-显示种群速度-gur()fo =1: f(rm(D,)0) subplot(（D+1)/,2，j) lse suot（D,2,j） en plo（x(:,j),b*);grido xlael

24、(粒子) ylabl(初始速度) Infrct(第,char(+48),维)； if（9) tInfostrct(第,chr(flor（j/10）+48),cha(em（，）+48）,维)； end tile(Info)ed fure（) %-初始化群体个体最有位置和最优解-=;pbes=oes(N,1);fr i=1:N best(i)=ftness(x(,：),D）；ed%-初始化全局最优位置和最优解-g=00*nes(1,D）;gbest=00;for i=1:N if（pbest(i)bet) =p（i,:）; gbes=pest（i); enendg=ne(1,T）;%-进入主循环,

25、按照公式依次迭代，直到满足精度规定-fori=1:T fr j=:N (fitness(x（j,:)，D)best（j）) p（,：)x（j,:); pbet(j）finess(x(j,：),D); e f(pest(j）gbes) g=(j,:）； bestpbest（j); en v(,:)=*v(,:)c1*rand(p(j，:)-x(j,：)+2rnd*(gx（,:); (j,:)x(,:)+v(,：); end g()=gbest;endplo（g)TempStr=sprit(= %g ,);title（TempStr);xlal(迭代次数);lael（适应值）;%适应度函数func

26、tio rsul=fitnss(x，D)sum=0;for i=1：D sumum+(i)2;edreultsum；程序6对,对分别取,随笔其迭代影响a)%主函数源程序（main）%-基本粒子群算法（partilswrmptmization）%-名称： 基本粒子群算法%-初始格式化clar all; %清除所有变量cc; %清屏format o； %将数据显示为长整形科学计数%-给定初始条条件-N40; %初始化群体个数=10; %初始化群体维数T=100； %初始化群体最迭代次数c=.1； %学习因子1c2=; 学习因子w1=0. %惯性权重w208 %惯性权重23=1.2 %惯性权重34=.4 惯性权重w5=16 %惯性权重5e=1（-6); %设立精度（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=zers(N，D);=es(N,);for 1：N j=1:D （i,j)=rann; %随机初始化位置 v(i,j)=n; %随机初始化速度