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（dreamsun2001@126.com）
%------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;
下面几天回继续发上来其他改进算法，并发上比较结果。先看看我这有3种方法对此函数的优化结果比较图形,图形不是很清楚,一直下降的就是改进算法比较成功的
500)this.width=500'>
|
[算法]基本粒子群优化算法Matlab源程序