matlab粒子群算法PSO程序，算法优化效果比较，适合研究改进PSO算法的同学。

matlab粒子群算法（PSO）程序，算法优化效果比较，适合研究改进PSO算法的同学。

clear all
clc
%%%??????标准PSO??????
tic
%???初始化算法参数
NI = 1000;
w_max = 0.9;
w_min = 0.4;
popsize = 40;
c1 = 2;c2 = 2;
D = 10;NR = 30;

%???适应度函数定义域
v_max = 100*ones（1 D）;
v_min = -100*ones（1 D）;
x_max = 100*ones（1 D）;
x_min = -100*ones（1 D）;

%???最优值变量
fit_best = zeros（NR NI）;
fit_round_best = zeros（1 30）;

for nr = 1:NR
    pop = zeros（popsize D+1）; velocity = zeros（popsize D）;
    p_best = zeros（popsize D+1）; g_best = zeros（1D+1）; 
    p_best（: D+1） = Inf*ones（popsize 1）; g_best（D+1） = Inf;
    
%???初始化粒子位置和速度
    for i = 1:popsize
        for j = 1:D
            pop（i j） = x_min（j）+rand（）*（x_max（j）-x_min（j））;
            velocity（i j） = v_min（j）+rand（）*（v_max（j）-v_min（j））;
        end
    end
%???计算适应度值
    for ni = 1:NI
        for i = 1:popsize
            pop（i D+1） = 0;
            for j = 1:D
                pop（i D+1） = pop（i D+1）+pop（i j）^2;
            end
            if pop（i D+1） < p_best（i D+1）
                p_best（i:） = pop（i:）;
                if p_best（iD+1） < g_best（D+1）
                   g_best = p_best（i:）;
                end     
            end  
        end
        w（ni） = w_max-（w_max-w_min）*ni/NI;
        for i = 1:popsize
            for j = 1:D
                velocity（i j） = w（ni）*velocity（i j）+c1*rand（）*（p_best（i j）-pop（i j））+c2*rand（）*（g_best（j）-pop（i j））; 
                if velocity（i j） > v_max（j）
                    velocity（i j） = v_max（j）;
                elseif velocity（i j） < v_min（j）
                    velocity（i j） = v_min（j）;
                end
                pop（i j） = pop（i j）+velocity（i j）;
                if pop（i j） > x_max（j）
                    pop（i j） = x_max（j）;
                elseif pop（i j） < x_min（j）
                    pop（i j） = x_min（j）;
                end
            end
        end 
        fit_best1（nr ni） = g_best（D+1）;
    end  
    fit_round_best1（nr） = min（pop（:D+1））;   
end
toc
%???记录结果数据
Run_time1 = toc/NR;
fit_min1 = min（fit_round_best1）;
fit_max1 = max（fit_round_best1）;
fit_std1 = std（fit_round_best1）;
fit_mean1 = mean（fit_round_best1）;
fit_median1 = median（fit_round_best1）;

fit1 = [fit_min1 fit_max1 fit_std1 fit_mean1 fit_median1 Run_time1];
fileID = fopen（‘Result.txt‘‘a‘）;
formatSpec = ‘%e %e %e %e %e %e\n‘;
fprintf（fileID formatSpec fit_min1 fit_max1 fit_std1 fit_mean1 fit_median1 Run_time1）;
fclose（fileID）;


%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%


%%%??????R-dGPSO??????
tic
%???初始化算法参数
NI = 1000;
w_max = 0.9;
w_min = 0.4;
popsize = 40;
c1 = 2; c2 = 2;
D = 10; NR = 30;

%???适应度函数定义域
v_max = 100*ones（1 D）;
v_min = -100*ones（1 D）;
x_max = 100*ones（1 D）;
x_min = -100*ones（1 D）;

%???最优值变量
fit_best = zeros（NR NI）;
fit_round_best = zeros（1 30）;

for nr = 1:NR
    pop = zeros（popsize D+1）; velocity = zeros（popsize D）;
    p_best = zeros（popsize D+1）; g_best = zeros（1D+1）; 
    p_best（: D+1） = Inf*ones（popsize 1）; g_best（D+1） = Inf;
    
%???初始化粒子位置和速度
    for i = 1:

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-03-06 16:18  pso\
     文件        6148  2019-03-06 16:18  pso\.DS_Store
     目录           0  2019-03-06 16:18  __MACOSX\
     目录           0  2019-03-06 16:18  __MACOSX\pso\
     文件         120  2019-03-06 16:18  __MACOSX\pso\._.DS_Store
     文件        2676  2019-03-06 11:16  pso\SPSO.m
     文件         178  2019-03-06 11:16  __MACOSX\pso\._SPSO.m
     文件        5261  2019-03-06 16:11  pso\pso_vs_cospso.m
     文件         210  2019-03-06 16:11  __MACOSX\pso\._pso_vs_cospso.m