PSO matlab程序

PSO算法Matlab程序默认分类 2009-08-18 12:29:24 阅读1015 评论0 字号：大中小 订阅
基本粒子群优化算法Matlab源程序
网上找到的别人做的很简单的程序，写的很精练很工整，据说优化效果不是很理想，由于没有时间去做很多测试，所以就先摆在这里，但愿以后能用得上。
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@https://www.sodocs.net/doc/1112701065.html,）

%------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

%------------------------------------------------------------------

%------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)
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)=fitness(x(i,:),D);

y(i,:)=x(i,:);

end

if p(i)
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;



对于一些有约束条件和没有约束条件的优化问题，具体什么情况下用什么算法还是要长期的经验积累。一时半会是不能完全掌握的。算法理解不透彻的话容易做出错的程序，所以在比赛的时候最好用自己之前研究过的程序或者直接使用Matlab优化工具箱，以免浪费时间。