PSO-SVM 粒子算法优化支持向量机MATLAB代码

%% 清空环境
clc
clear
load wine;
train = [wine（1:30:）;wine（60:95:）;wine（131:153:）];
train_label = [wine_labels（1:30）;wine_labels（60:95）;wine_labels（131:153）];
test = [wine（31:59:）;wine（96:130:）;wine（154:178:）];
test_label = [wine_labels（31:59）;wine_labels（96:130）;wine_labels（154:178）];
[trainpstrain] = mapminmax（train‘）;
pstrain.ymin = 0;
pstrain.ymax = 1;
[trainpstrain] = mapminmax（trainpstrain）;
[testpstest] = mapminmax（test‘）;
pstest.ymin = 0;
pstest.ymax = 1;
[testpstest] = mapminmax（testpstest）;
train = train‘;
test = test‘;
%% 参数初始化
%粒子群算法中的两个参数
c1 = 1.6; % c1 belongs to [02]
c2 = 1.5; % c2 belongs to [02]
maxgen=300;   % 进化次数 
sizepop=30;   % 种群规模
popcmax=10^（2）;
popcmin=10^（-1）;
popgmax=10^（3）;
popgmin=10^（-2）;
k = 0.6; % k belongs to [0.11.0];
Vcmax = k*popcmax;
Vcmin = -Vcmax ;
Vgmax = k*popgmax;
Vgmin = -Vgmax ;
% SVM参数初始化 
v = 3;
%% 产生初始粒子和速度
for i=1:sizepop
    % 随机产生种群
    pop（i1） = （popcmax-popcmin）*rand+popcmin;    % 初始种群
    pop（i2） = （popgmax-popgmin）*rand+popgmin;
    V（i1）=Vcmax*rands（1）;  % 初始化速度
    V（i2）=Vgmax*rands（1）;
    % 计算初始适应度
    cmd = [‘-v ‘num2str（v）‘ -c ‘num2str（ pop（i1） ）‘ -g ‘num2str（ pop（i2） ）];
    fitness（i） = svmtrain（train_label train cmd）;
    fitness（i） = -fitness（i）;
end
% 找极值和极值点
[global_fitness bestindex]=min（fitness）; % 全局极值
local_fitness=fitness;   % 个体极值初始化
global_x=pop（bestindex:）;   % 全局极值点
local_x=pop;    % 个体极值点初始化
tic
%% 迭代寻优
for i=1:maxgen
   
    for j=1:sizepop
       
        %速度更新
        wV = 0.9; % wV best belongs to [0.81.2]
        V（j:） = wV*V（j:） + c1*rand*（local_x（j:） - pop（j:）） + c2*rand*（global_x - pop（j:））;
        if V（j1） > Vcmax
            V（j1） = Vcmax;
        end
        if V（j1） < Vcmin
            V（j1） = Vcmin;
        end