完全自主研发的粒子群算法来求解约束多目标优化万能matlab_code

本代码基于matlab开发，是完全自主研发的粒子群算法来求解约束多目标优化万能code，希望对学习的同学有帮助

function PSOfirst（）
%% 清空环境
clear;
clc;

%% 参数设置
w=0.9;%权值 将影响PSO 的全局与局部搜优能力， 值较大，全局搜优能力强，局部搜优能力弱;反之，则局部搜优能力增强，而全局搜优能力减弱。
c1=0.1;%加速度，影响收敛速度
c2=0.1;
dim=6;%6维，表示企业数量
swarmsize=100;%粒子群规模，表示有100个解的空间
maxiter=200;%最大循环次数，影响时间
minfit=0.001;%最小适应值
vmax=0.01;
vmin=-0.01;
ub=[0.20.20.20.20.20.2];%解向量的最大限制
lb=[0.010.010.010.010.010.01];%解向量的最小限制

%% 种群初始化
range=ones（swarmsize1）*（ub-lb）;
swarm=rand（swarmsizedim）.*range+ones（swarmsize1）*lb;%粒子群位置矩阵
Y1=[33.08;
   21.85; 
   6.19; 
   11.77; 
   9.96; 
   17.15;]; 
Y=Y1./100;%将百分数化为小数
[ymyn]=size（Y）;
for i=1:swarmsize  %% YX的约束
    s=swarm（i:）;
    ss=s‘;
    while sum（Y.*ss）<0.1*sum（Y）
        ss=rand（dim1）.*（（ub-lb）‘）+ones（dim1）.*（（lb）‘）;
    end
    swarm（i:）=ss‘;
end
vstep=rand（swarmsizedim）*（vmax-vmin）+vmin;%粒子群速度矩阵
fswarm=zeros（swarmsize1）;%预设空矩阵，存放适应值
for i=1:swarmsize
    X=swarm（i:）;
    [SUMGG]=jn（X）;
    fswarm（i:）=SUMG;
    %fswarm（i:）=feval（jnswarm（i:））;%以粒子群位置的第i行为输入，求函数值，对应输出给适应值
end

%% 个体极值和群体极值
[bestfbestindex]=min（fswarm）;%求得适应值中的最小适应值，和，其所在的序列
gbest=swarm;%暂时的个体最优解为自己
fgbest=fswarm;%暂时的个体最优适应值
zbest=swarm（bestindex:）;%所在序列的对应的解矩阵序列，全局最佳解
fzbest=bestf;%全局最优适应值


%% 迭代寻优
iter=0;
yfitness=zeros（1maxiter）;%1行100列矩阵，存放100个最优值的空间矩阵
x1=zeros（1maxiter）;%存放x的空间
x2=zeros（1maxiter）;
x3=zeros（1maxiter）;
x4=zeros（1maxiter）;
x5=zeros（1maxiter）;
x6=zeros（1maxiter）;
while（（iterminfit））
    for j=1:swarmsize
        % 速度更新
        vstep（j:）=w*vstep（j:）+c1*rand*（gbest（j:）-swarm（j:））+c2*rand*（zbest-swarm（j:））;
        if vstep（j:）>vmax  
            vstep（j:）=vmax;%速度限制
        end
        if vstep（j:）            vstep（j:）=vmin;
        end
        % 位置更新
        swarm（j:）=swarm（j:）+vstep（j:）;
        for k=1:dim
            if swarm（jk）>ub（k）
                swarm（jk）=ub（k）;%位置限制
            end
            if swarm（jk）                swarm（jk）=lb（k）;
            end
        end
       
        % 适应值        
         X=swarm（j:）;
         [SUMGG]=jn（X）;
         fswarm（j:）=SUMG;
        % 可在此处增加约束条件，若满足约束条件，则进行适应值计算
        
        %
        % 个体最优更新
        if fswarm（j）            gbest（j:）=swarm（j:）;%个体最优解更新
            fgbest（j）=fswarm（j）;%个体最优值更新
        end
        % 群体最优更新
        if fswarm（j）            zbest=swarm（j:）;%群体最优解更新
            fzbest=fswarm（j）;%群体最优值更新
        end
    end
    iter=iter+1;
    yfitness（1iter）=fzbest;
    x1（1iter）=zbest（1）;%将全局最优解的第1个元素，依次存储，共有MAXITER个
    x2（1iter）=zbest（2）;
    x3（1iter）=zbest（3）;
    x4（1iter）=zbest（4）;
    x5（1iter）=zbest（5）;
    x6（1iter）=zbest（6）;
end

fzbest
zbest
X=zbest;
[SUMGG]=jn（X）;
GGbest=G;GGbest
%% 画图
figure（1）
plot（yfitness‘linewidth‘2）
title（‘最优基尼系数优化曲线‘‘fontsize‘14）;
xlabel（‘迭代次数‘‘fontsize‘14）;
ylabel（‘基尼系数‘‘fontsize‘14）;

figure（2）
plot（x1‘b‘）
hold on
pl

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        5099  2013-06-23 17:02  PSO_byself.m
     目录           0  2018-12-02 20:26  __MACOSX\
     文件         212  2013-06-23 17:02  __MACOSX\._PSO_byself.m