二进制粒子群优化算法源码

function [ Besfi Besi Bfi DIVS ] = BPSO（ SizeGc1c2wdeviceprice ）
%	基本粒子群优化算法（Particle Swarm Optimization）
% 输入参数
%   c1                学习因子1
%   c2                学习因子2
%   w                 惯性权重
%   G                 最大迭代次数
%   Size              初始化群体个体数目
% 输出参数
%   输出参数
%   Besfi        优化后最优个体适应度
%   pg           最优个体
%   Bfi          每次迭代中最优个体的适应度，1*n向量
%   DIVS         种群多样性

%创建一个进度条以监视优化进度
% hWaitbar=waitbar（0‘开始优化计算...‘‘Name‘[num2str（Size） ‘-‘ num2str（G） ‘-‘ num2str（c1） ‘-‘ num2str（c2） ‘-‘ num2str（w）]）;
% set（hWaitbar‘Windowstyle‘‘modal‘）;  %窗口锁定最前
% btnCancel = findall（hWaitbar‘style‘‘pushbutton‘）; %查找“取消“按钮
% set（btnCancel‘string‘‘取消‘‘fontsize‘10）;     %设置“取消“按钮显示字符

%优化对象参数提取
[concodedevicenumcodesizes] = Getcontrolcode（ device ）;   %提取未优化时的运行编码
% D：搜索空间维数（未知数个数）
D=size（concode2）;
%搜索范围和个体移动速度限制

Maxx=ones（1D）;
Minx=zeros（1D）;
Maxv=ones（1D）;
Minv=zeros（1D）;
% Maxv=（Maxx-Minx）/4;
% Minv=-Maxv;

%------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:Size
    for j=1:D
%         x（ij）=rand*（Maxx（j）-Minx（j）+Minx（j））;  %随机初始化位置
        v（ij）=rand*（Maxv（j）-Minv（j））+Minv（j）;  %随机初始化速度
        x（ij）=round（v（ij））;
    end
end

%------先计算各个粒子的适应度，并初始化Pi和Pg----------------------
for i=1:Size
    ps（i）=fun（deviceround（x（i:））devicenumcodesizesprice）;
    y（i:）=x（i:）;
end

pg=round（x（1:））;             %Pg为全局最优
Besfi=ps（1）;
for i=2:Size
    if ps（i）        pg=round（x（i:））;
        Besfi=ps（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 k=1:G
    time（k）=k;
   % bf（t）=fitness（pgp）;

  %计算多样性
 S=max（Maxx-Minx）/2;
 for xj=1:1:D
    avgxj（xj）=mean（x（:xj））;
 end
 DIVS（k）=0;
 for xi=1:1:Size
     tmpd=0;
     for xj=1:1:D
         tmpd=tmpd+（x（xixj）-avgxj（xj））^2;
     end
     DIVS（k）=DI