PSO算法-ACKELY函数测试

%%%%%%%%%%%%%%%%%%%%%%%%%PSO—ACKELY测试%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%程序初始化
%目标函数 NEEDEL   -20*exp（-0.2*sqrt（1/2*（test（1）^2+test（2）^2）））-exp（1/2*（cos（2*pi*test（1））+cos（2*pi*test（2））））+22.71282;
%进化次数50
%种群规模 20
%function result=aim（test） 为目标函数
   %test（1）=x  test（2）=y

%程序初始化
function PSO_SA_Ackley
clc;
clear all;
gen=50;     %设置进化代数
popsize=20;     %设置种群规模大小
best_in_history（gen）=inf;   %初始化全局历史最优解
max_velocity=1;       %最大速度限制
best_fitness=inf;       %全局最优
pop（popsize8）=0;         %初始化种群
c1=0.09;
c2=0.4;
w=0.98;
TN=2;
T=max_velocity;       

k=0.8;
num=2;
high=5;
low=-5;

partx=zeros（popsizegen）;
party=zeros（popsizegen）;


for i=1:popsize
    pop（i1）=high*（2*rand（）-1）;     %初始化种群中的粒子位置
    pop（i2）=high*（2*rand（）-1）;     %初始化种群中的粒子位置
    pop（i5）=pop（i1）;  %初始状态下个体最优值等于初始位置
    pop（i6）=pop（i2）;  %初始状态下个体最优值等于初始位置
    pop（i3）=0.2*（rand（）*2-1）;    %初始化种群微粒速度
    pop（i4）=0.2*（rand（）*2-1）;    %初始化种群微粒速度
    pop（i7）=inf;
    pop（i8）=inf;
end
      gbest_x=pop（11）;   %全局最优初始值为种群第一个粒子的位置
      gbest_y=pop（12）;


for exetime=1:gen
%计算适应值并赋值
for i=1:popsize
     pop（i8）=aim（pop（i1:num））;
    if pop（i7）>pop（i8）    %若当前适应值优于个体最优值，则进行个体最优信息的更新
        pop（i7）=pop（i8）;          %适值更新
        pop（i5:6）=pop（i1:2）;      %位置坐标更新
    end
end


%计算完适应值后寻找当前全局最优位置并记录其坐标
if best_fitness>min（pop（:7））
    best_fitness=min（pop（:7））;    %全局最优值
    gbest_x=pop（find（pop（:7）==min（pop（:7）））1）;    %全局最优粒子的位置   
    gbest_y=pop（find（pop（:7）==min（pop（:7）））2）;
end
 %   plot（gbest_xgbest_y‘bx‘）;
  %  hold on;
best_in_history（exetime）=best_fitness;  %记录当前全局最优
%实时输出结果

%输出当前种群中粒子位置
%subplot（121）;

for i=1:popsize
 %   plotyy（pop（i1）pop（i2）‘plot‘）;
 %   hold on;
   partx（iexetime）=pop（i1）;  
   party（iexetime）=pop（i2）;
end
%pause（0.1）;

%plot（gbest_xgbest_y‘ro‘）;axis（[-5.125.12-5.125.12]）;
hold on;

%subplot（122）;
%figure（2）
%axis（[0gen-0.010.01]）;

%if exetime-1>0
 %   line（[exetime-1exetime][best_in_