6种粒子群算法程序.docx
- 文档编号:16823938
- 上传时间:2023-07-17
- 格式:DOCX
- 页数:45
- 大小:37.17KB
6种粒子群算法程序.docx
《6种粒子群算法程序.docx》由会员分享,可在线阅读,更多相关《6种粒子群算法程序.docx(45页珍藏版)》请在冰点文库上搜索。
6种粒子群算法程序
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);
v=zeros(N,D);
fori=1:
N
forj=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
%------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
xlabel('粒子')
ylabel('初始位置')
tInfo=strcat('第',char(j+48),'维');
if(j>9)
tInfo=strcat('第',char(floor(j/10)+48),
char(rem(j,10)+48),'维');
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(x(:
j),'b*');gridon
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),
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);
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) g1=p1(i,: ); gbest1=pbest1(i); end end gb1=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--- fori=1: T forj=1: N if(fitness(x1(j,: ),D) p1(j,: )=x1(j,: ); pbest1(j)=fitness(x1(j,: ),D); end if(pbest1(j) 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(在此限定速度和位置)------------ x2=x; v2=v; %-----初始化种群个体最有位置和最优解----------- p2=x2; pbest2=ones(N,1); fori=1: N pbest2(i)=fitness(x2(i,: ),D); end %-----初始化种全局最有位置和最优解------ g2=1000*ones(1,D); gbest2=1000; fori=1: N if(pbest2(i) g2=p2(i,: ); gbest2=pbest2(i); end end gb2=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--- fori=1: T forj=1: N if(fitness(x2(j,: ),D) p2(j,: )=x2(j,: ); pbest2(j)=fitness(x2(j,: ),D); end if(pbest2(j) g2=p2(j,: ); gbest2=pbest2(j); end v2(j,: )=w*v2(j,: )+c12*rand*(p2(j,: )-x2(j,: ))+c22*rand*(g2-x2(j,: )); x2(j,: )=x2(j,: )+v2(j,: ); end gb2(i)=gbest2; end plot(gb2) TempStr=sprintf('c1=%g,c2=%g',c12,c22); title(TempStr); xlabel('迭代次数'); ylabel('适应度值'); b)适应度函数 %适应度函数(fitness.m) functionresult=fitness(x,D) sum=0; fori=1: D sum=sum+x(i)^2; end result=sum; 程序2 当 于 对比 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=0; c22=2; 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); v=zeros(N,D); fori=1: N forj=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 %------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 xlabel('粒子') ylabel('初始位置') tInfo=strcat('第',char(j+48),'维'); if(j>9) tInfo=strcat('第',char(floor(j/10)+48), char(rem(j,10)+48),'维'); 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(x(: j),'b*');gridon 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), 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); 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) g1=p1(i,: ); gbest1=pbest1(i); end end gb1=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--- fori=1: T forj=1: N if(fitness(x1(j,: ),D) p1(j,: )=x1(j,: ); pbest1(j)=fitness(x1(j,: ),D); end if(pbest1(j) 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(在此限定速度和位置)------------ x2=x; v2=v; %-----初始化种群个体最有位置和最优解----------- p2=x2; pbest2=ones(N,1); fori=1: N pbest2(i)=fitness(x2(i,: ),D); end %-----初始化种全局最有位置和最优解------ g2=1000*ones(1,D); gbest2=1000; fori=1: N if(pbest2(i) g2=p2(i,: ); gbest2=pbest2(i); end end gb2=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--- fori=1: T forj=1: N if(fitness(x2(j,: ),D) p2(j,: )=x2(j,: ); pbest2(j)=fitness(x2(j,: ),D); end if(pbest2(j) g2=p2(j,: ); gbest2=pbest2(j); end v2(j,: )=w*v2(j,: )+c12*rand*(p2(j,: )-x2(j,: ))+c22*rand*(g2-x2(j,: )); x2(j,: )=x2(j,: )+v2(j,: ); end gb2(i)=gbest2; end plot(gb2) TempStr=sprintf('c1=%g,c2=%g',c12,c22); title(TempStr); xlabel('迭代次数'); ylabel('适应度值'); b)适应度函数 %适应度函数(fitness.m) functionresult=fitness(x,D) sum=0; fori=1: D sum=sum+x(i)^2; end result=sum; 程序3 当 于 对比 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=2; c22=0; 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); v=zeros(N,D); fori=1: N forj=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 %------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 xlabel('粒子') ylabel('初始位置') tInfo=strcat('第',char(j+48),'维'); if(j>9) tInfo=strcat('第',char(floor(j/10)+48), char(rem(j,10)+48),'维'); 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(x(: j),'b*');gridon 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), 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); 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) g1=p1(i,: ); gbest1=pbest1(i); end end gb1=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--- fori=1: T forj=1: N if(fitness(x1(j,: ),D) p1(j,: )=x1(j,: ); pbest1(j)=fitness(x1(j,: ),D); end if(pbest1(j) 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(在此限定速度和位置)------------ x2=x; v2=v; %-----初始化种群个体最有位置和最优解----------- p2=x2; pbest2=ones(N,1); fori=1: N pbest2(i)=fitness(x2(i,: ),D); end %-----初始化种全局最有位置和最优解------ g2=1000*ones(1,D); gbest2=1000; fori=1: N if(pbest2(i) g2=p2(i,: ); gbest2=pbest2(i); end end gb2=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--- fori=1: T forj=1: N if(fitness(x2(j,: ),D) p2(j,: )=x2(j,: ); pbest2(j)=fitness(x2(j,: ),D); end if(pbest2(j) g2=p2(j,: ); gbest2=pbest2(j); end v2(j,: )=w*v2(j,: )+c12*rand*(p2(j,: )-x2(j,: ))+c22*rand*(g2-x2(j,: )); x2(j,: )=x2(j,: )+v2(j,: ); end gb2(i)=gbest2; end plot(gb2) TempStr=sprintf('c1=%g,c2=%g',c12,c22); title(TempStr); xlabel('迭代次数'); ylabel('适应度值'); b)适应度函数 %适应度函数(fitness.m) functionresult=fitness(x,D) sum=0; fori=1: D sum=sum+x(i)^2; end result=sum; 程序4 对 , 分别对其取值 , , , 测试函数。 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 c1=1.1;%学习因子1 c2=2;%学习因子2 w1=1.2;%惯性权重 w2=1.5;%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); v=zeros(N,D); fori=1: N forj=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 %------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) plot(x(: j),'b*');gridon xlabel('粒子') ylabel('初始位置') tInfo=strcat('第',char(j+48),'维'); if(j>9) tInfo=strcat('第',char(floor(j/10)+48), char(rem(j,10)+48),'维'); 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(x(: j),'b*');gridon 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), char(rem(j,10)+48),'维); end title(tInfo) end figure(3) 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); 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(
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 粒子 算法 程序