第1页 / 共11页
第2页 / 共11页
第3页 / 共11页
第4页 / 共11页
第5页 / 共11页
第6页 / 共11页
第7页 / 共11页
第8页 / 共11页
二维粒子群算法的matlab源程序.docx
function [pso F] = pso_2D()
% FUNCTION PSO --------USE Particle Swarm Optimization Algorithm
% global present;
% close all;
clc;
clear all;
pop_size = 10;
part_size = 2;
% pop_size 种群大小 ///粒子数量
% part_size 粒子大小 ///粒子的维数
gbest = zeros(1,part_size+1); % gbest 当前搜索到的最小的值
max_gen = 200;
% max_gen 最大迭代次数
%best=zeros(part_size,pop_size*part_size);%xuan
region=zeros(part_size,2);
% 设定搜索空间范围->解空间
region=10*[-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3]; % 每一维设定
不同范围(称之为解空间，不是可行域空间）
rand('state',sum(100*clock)); % 重置随机数发生器状态
%当前种群的信息矩阵，逐代进化的群体 % 当前位置,随机初始化
% 一个 10*3 的随机的矩阵（初始化所有粒子的所有维数的位置值），其中最后一列为
arr_present = ini_pos(pop_size,part_size);
% 初始化当前速度
% 一个 10*2 的随机的矩阵（初始化所有粒子的所有维数的速度值）
v=ini_v(pop_size,part_size);
%不是当前种群，可看作是一个外部的记忆体，存储每个粒子历史最优值（2 维数值）：根
据适应度更新！
%注意：pbest 数组 10*3 最后一列保存的是适应度
pbest = zeros(pop_size,part_size+1); % pbest：粒子以前搜索到的最优值，最后
一列包括这些值的适应度
% 1*80 保存每代的最优值
best_record = zeros(part_size+1,max_gen);
每一代的最好的粒子的适应度
% best_record 数组：记录
w_max = 0.9;
% w_max 权系数最大值
w_min = 0.2;
% w_min 权系数最小值
v_max = 2;
% 最大速度,为粒子的范围宽度
c1 = 2;
c2 = 2;
% 学习因子 1
% 学习因子 2
% ————————————————————————
% 计算原始种群的适应度,及初始化
% ————————————————————————
% 注意：传入的第一个参数是当前的粒子群体 ，ini_fit 函数计算每个粒子的适应度
% arr_present(:,end)是最后一列 ，保存每个粒子的适应值，是这样的！xuan
arr_present(:,end)= ini_fit( arr_present, pop_size, part_size );
% 数组赋值，初始化每个粒子个体的历史最优值，以后会更新的
pbest = arr_present;
% 初始化各个粒子最优值
% 找到当前群体中适应度最小的（在最后一列中寻找），best_value
% 改为 max，表示关联度最大
[best_value best_index] = max(arr_present(:,end)); %初始化全局最优，即适应
度为全局最小的值，根据需要也可以选取为最大值
% 唯一的全局最优值，是当前代所有粒子中最好的一个
gbest = arr_present(best_index,:);
% 因为是多目标，因此这个-----------------
% 只是示意性的画出 3 维的
%x=[-3:0.01:3];
%y=[-3:0.01:3];
%[X,Y]=meshgrid(x,y);
%Z1=(-10)*exp((-0.2)*sqrt(X^2+Y^2));
%Z2=(abs(X))^0.8+abs(Y)^0.8+5*sin(X^3)+5*sin(Y^3);
%z1=@(x,y)(-10)*exp((-0.2)*sqrt(x^2+y^2));
%z2=@(x,y)(abs(x))^0.8+abs(y)^0.8+5*sin(x^3)+5*sin(y^3);
%ezmeshc(z1);grid on;
%ezmeshc(z2);grid on;
%开始进化，直到最大代数截至
for i=1:max_gen
%grid on;
%三维图象 %多维图象是画不出来的
%ezmesh(z),hold on,grid on;
%画出粒子群
%plot3(arr_present(:,1),arr_present(:,2),arr_present(:,3),'*'),hold off;
%drawnow
%flush
%pause(0.01);
w = w_max-(w_max-w_min)*i/max_gen; % 线形递减权重
% 当前进化代数：对于每个粒子进行更新和评价----->>>>>>>
for j=1:pop_size
w.*v(j,:)+c1.*rand.*(pbest(j,1:part_size)-arr_present(j,1:part_size))...
+c2.*rand.*(gbest(1:part_size)-arr_present(j,1:part_size)); % 粒
v(j,:)
=
子速度更新 (a)
20———————————————————
% 判 断 v 的 大 小 ， 限 制 v 的 绝 对 值 小 于
for k=1:part_size
if abs(v(j,k))>20
rand('state',sum(100*clock));
v(j,k)=20*rand();
end
end
%前几列是位置信息
arr_present(j,1:part_size)+v(j,1:part_size);% 粒子位置更新 (b)
arr_present(j,1:part_size)
=
%最后一列是适应度
arr_present(j,end) = fitness(part_size,arr_present(j,1:part_size)); % 适
应度更新 （保存至最后一列）
% 适应度评价与可行域限制
if
(arr_present(j,end)>pbest(j,end))&(Region_in(arr_present(j,:),region)) % 根
据条件更新 pbest,如果是最小的值为小于号,相反则为大于号
pbest(j,:) = arr_present(j,:); % 更新个体的历史极值
end
end
% 以下更新全局的极值
[best best_index] = max(arr_present(:,end));
% 如果是最
小的值为 min,相反则为 max
if best>gbest(end) & ( Region_in(arr_present(best_index,:),region) ) % 如
果当前最好的结果比以前的好，则更新最优值 gbest,如果是最小的值为小于号,相反则为大
于号
gbest = arr_present(best_index,:); % 全局的极值
end
%------------混沌---------------------------------
xlhd = gbest(1:part_size);
if(1)
for p=1:25 %次数
%1 生成
cxl=rand(1,part_size);
for j=1:part_size
if cxl(j)==0
cxl(j)=0.1;
end
if cxl(j)==0.25
cxl(j)=0.26;
end
if cxl(j)==0.5
cxl(j)=0.51;
end
if cxl(j)==0.75
cxl(j)=0.76;
end
if cxl(j)==1
cxl(j)=0.9;
end
end
%2 映射
al=-30;bl=30;
rxl=al+(bl-al)*cxl;
%3 搜索
bate = 0.1;
xlhd=xlhd+bate*rxl;
if fitness(part_size,xlhd)>gbest(end)
gbest(1:part_size)=xlhd;
gbest(end)=fitness(part_size,xlhd);
end
%4 更新
for j=1:part_size
cxl(j)=4*cxl(j)*(1-cxl(j));
end
end
end
%-------------混沌--------------------------------
%当前代的最优粒子的适应度（取自）保存
best_record(:,i) = gbest; % gbest：一个行向量
end
pso = gbest; % 最优个体
display(gbest);
figure;
plot(best_record(end,:));% 最优解与代数的进化关系图
best=zeros(part_size,max_gen);
for i=1:part_size-1
best(i,:)=best_record(i,:);
end
pareto1= zeros(1,max_gen);
pareto2= zeros(1,max_gen);
for i=1:max_gen
pareto1(i)=f1(part_size, best(:,i) );
pareto2(i)=f2(part_size, best(:,i) );
end
figure;
i=1:max_gen;
%plot(i,pareto1(i),'r*',i,pareto2(i),'g*');
plot(pareto1(i),pareto2(i),'r+');
xlabel('f1');ylabel('f2');
title('Pareto 曲线');
%figure;
%plot(,f2(best_record),);
% movie2avi(F,'pso_2D1.avi','compression','MSVC');
%子函数
%-------------------------------------------------------------------------
%-------------------------------------------------------------------------
%返回随机的位置
function ini_present=ini_pos(pop_size,part_size)
ini_present = 10*3*rand(pop_size,part_size+1);
其随机的分布在工作空间
%初始化当前粒子位置,使
%返回一个随机的矩阵，10*（2+1），最后一列将用来保存适应度
%返回随机的速度
function ini_velocity=ini_v(pop_size,part_size)
ini_velocity =20*(rand(pop_size,part_size));
的分布在速度范围内
%初始化当前粒子速度,使其随机
%判断是否处于范围内
function flag = Region_in(pos_present,region)
[m n]=size(pos_present); % 1*11 n 返回解的维数 10
flag=1;
for j=1:n-1
flag = flag
&
(
pos_present(1,j)>=region(j,1)
)
&
( pos_present(1,j)<=region(j,2) );
end
%初始化适应度
function arr_fitness = ini_fit(pos_present,pop_size,part_size)
for k=1:pop_size
arr_fitness(k,1) = fitness(part_size,pos_present(k,1:part_size)); %计算原
相关推荐
2023年江西萍乡中考道德与法治真题及答案.doc
2012年重庆南川中考生物真题及答案.doc
2013年江西师范大学地理学综合及文艺理论基础考研真题.doc
2020年四川甘孜小升初语文真题及答案I卷.doc
2020年注册岩土工程师专业基础考试真题及答案.doc
2023-2024学年福建省厦门市九年级上学期数学月考试题及答案.doc
2021-2022学年辽宁省沈阳市大东区九年级上学期语文期末试题及答案.doc
2022-2023学年北京东城区初三第一学期物理期末试卷及答案.doc
2018上半年江西教师资格初中地理学科知识与教学能力真题及答案.doc
2012年河北国家公务员申论考试真题及答案-省级.doc
2020-2021学年江苏省扬州市江都区邵樊片九年级上学期数学第一次质量检测试题及答案.doc
2022下半年黑龙江教师资格证中学综合素质真题及答案.doc
