my_CLPSO.m

依据 IEEE TEC2006 Comprehensive Learning Particle Swarm Optimizer for Global Optimization of Multimodal Functions 论文改写，其中有详细中文注释，可直接运行。 从网上之前找了很多有关CLPSO的但是感觉有些部分和这篇论文对不上，于是就自己综合了一下编写了这个

clc;clear;close;
tic
%% 初始化参数
rand（‘state‘sum（100*clock））;%确定随机数流
ps = 10;%种群个数大小
dimension = 10;%粒子维数
iter_max = 3000;%最大迭代数
w0=0.9;w1=0.4;
c=1.49445; %加速常数
v_min = -4;v_max = 4;%粒子速度上下限   
V = v_min + （v_max - v_min）*rand（ps dimension）;%粒子速度
xmin=-5.12;xmax=5.12;%粒子位置的上下限值
mask_min = repmat（xmin 1 dimension）;
mask_max = repmat（xmax 1 dimension）;
X = rand（ps dimension）;%粒子初始化位置
for i = 1 : dimension
   X（: i）  = repmat（xmin ps 1） + （xmax - xmin）*X（: i）;    
end 
flag = zeros（ps1）;%粒子停止改进代数标记
m=5;%刷新间隔
%% 计算适应度值，初始化pbest，gbest
fhd=str2func（‘@（x）sum（x.^2-10.*cos（2.*pi.*x）+102）‘）;%定义函数句柄
for i=1:ps
    e（i1）=feval（fhdX（i:））;%计算每个粒子适应度值
end
%% 初始化pbest和gbest
pbest=X;%初始化位置作为pbest
pbestval=e; %初始化粒子pbest和pbest的适应度值
[gbestvalgbestid]=min（pbestval）;%求出适应值最小的粒子索引，得到gbest适应度值
gbest=pbest（gbestid:）;%初始化gebst，将具有最小适应值的粒子的pbest作为gbest
%% Pc学习率
t=0:1/（ps-1）:1;
t=5.*t;
Pc=0.0+（0.5-0.0）.*（exp（t）-exp（t（1）））./（exp（t（ps））-exp（t（1）））;%每个粒子的学习可能性
ai=zeros（psdimension）;
f_pbest=1:ps;%单独一个粒子
f_pbest=repmat（f_pbest‘1dimension）;%每个粒子每个维数需要学习的粒子索引数，初始化为每个粒子每一维从自身学习，行数代表粒子数列数是维数
%% 计算准熵
pbestval_history=pbestval;%将第一次初始化的pbest适应度值保存
P（:1）=pbestval_history（:1）./sum（pbestval_history（:1））;%计算第一次迭代的Pti
QE（:1）=-sum（P（:1）.*log（P（:1）））;%计算初始准熵
%% CLPSO开始
for iter=1:iter_max
    w（iter）=w0-iter*（w0-w1）/iter_max;%更新惯性权重
    for i=1:ps%每个粒子进行迭代
        num=（iter-1）*10+i;%总循环次数
       %% 粒子从其他粒子学习的锦标赛选择过程
        if flag（i）>=m %当连续没有改进一定代数
            flag（i）=0;
            for d=1:dimension%粒子每一维迭代
                r = rand;%生成随机数
                if r < Pc（i）
                    a=randperm（ps）;