资源简介
为使用PSO提供了具体的事例,并详细说明怎样使用该Matlab编写的PSO算法,对一般的问题有借鉴功能。里面包含3个.m文件一个.doc文件,.doc文件讲授PSO算法的基本原理,并且采用实例讲解,.m文件为PSO算法实现的代码,详细用法已在word文档有说明,希望对你们有用。
代码片段和文件信息
function [ParSwarmOptSwarm]=baseStepPso(ParSwarmOptSwarmAdaptFuncParticleScopeMaxWMinWLoopCountCurCount)
%功能描述:全局版本:基本的粒子群算法的单步更新位置速度的算法
%
%[ParSwarmOptSwarm]=baseStepPso(ParSwarmOptSwarmAdaptFuncParticleScopeMaxWMinWLoopCountCurCount)
%
%输入参数:ParSwarm:粒子群矩阵,包含粒子的位置,速度与当前的目标函数值
%输入参数:OptSwarm:包含粒子群个体最优解与全局最优解的矩阵
%输入参数:ParticleScope:一个粒子在运算中各维的范围;
%输入参数:AdaptFunc:适应度函数
%输入参数:LoopCount:迭代的总次数
%输入参数:CurCount:当前迭代的次数
%
%返回值:含意同输入的同名参数
%
%用法:[ParSwarmOptSwarm]=baseStepPso(ParSwarmOptSwarmAdaptFuncParticleScopeMaxWMinWLoopCountCurCount)
%
%异常:首先保证该文件在Matlab的搜索路径中,然后查看相关的提示信息。
%
%编制人:XXX
%编制时间:2007.3.26
%参考文献:XXX
%参考文献:XXX
%
%修改记录
%----------------------------------------------------------------
%2007.3.27
%修改人:XXX
% 添加2*unifrnd(01).*SubTract1(row:)中的unifrnd(01)随机数,使性能大为提高
%参照基于MATLAB的粒子群优化算法程序设计
%
% 总体评价:使用这个版本的调节系数,效果比较好
%
%容错控制
if nargin~=8
error(‘输入的参数个数错误。‘)
end
if nargout~=2
error(‘输出的个数太少,不能保证循环迭代。‘)
end
%开始单步更新的操作
%*********************************************
%*****更改下面的代码,可以更改惯性因子的变化*****
%---------------------------------------------------------------------
%线形递减策略
w=MaxW-CurCount*((MaxW-MinW)/LoopCount);
%---------------------------------------------------------------------
%w固定不变策略
%w=0.728;
%---------------------------------------------------------------------
%参考文献:陈贵敏,贾建援,韩琪,粒子群优化算法的惯性权值递减策略研究,西安交通大学学报,2006,1
%w非线形递减,以凹函数递减
%w=(MaxW-MinW)*(CurCount/LoopCount)^2+(MinW-MaxW)*(2*CurCount/LoopCount)+MaxW;
%---------------------------------------------------------------------
%w非线形递减,以凹函数递减
%w=MinW*(MaxW/MinW)^(1/(1+10*CurCount/LoopCount));
%*****更改上面的代码,可以更改惯性因子的变化*****
%*********************************************
%得到粒子群群体大小以及一个粒子维数的信息
[ParRowParCol]=size(ParSwarm);
%得到粒子的维数
ParCol=(ParCol-1)/2;
SubTract1=OptSwarm(1:ParRow:)-ParSwarm(:1:ParCol);
%*********************************************
%*****更改下面的代码,可以更改c1c2的变化*****
%c1=2;
%c2=2;
%---------------------------------------------------------------------
con=1;
c1=4-exp(-con*abs(mean(ParSwarm(:2*ParCol+1))-AdaptFunc(OptSwarm(ParRow+1:))));
c2=4-c1;
%----------------------------------------------------------------------
%*****更改上面的代码,可以更改c1c2的变化*****
%*********************************************
for row=1:ParRow
SubTract2=OptSwarm(ParRow+1:)-ParSwarm(row1:ParCol);
TempV=w.*ParSwarm(rowParCol+1:2*ParCol)+2*unifrnd(01).*SubTract1(row:)+2*unifrnd(01).*SubTract2;
%限制速度的代码
for h=1:ParCol
if TempV(:h)>ParticleScope(h2)
TempV(:h)=ParticleScope(h2);
end
if TempV(:h)<-ParticleScope(h2)
TempV(:h)=-ParticleScope(h2)+1e-10;
%加1e-10防止适应度函数被零除
end
end
%更新速度
ParSwarm(rowParCol+1:2*ParCol)=TempV;
%*********************************************
%*****更改下面的代码,可以更改约束因子的变化*****
%---------------------------------------------------------------------
%a=1;
%---------------------------------------------------------------------
a=0.729;
%*****更改上面的代码,可以更改约束因子的变化*
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 4357 2009-07-12 10:57 ba
文件 5509 2009-07-12 11:31 PsoProcess.m
文件 2802 2009-07-12 16:25 InitSwarm.m
文件 336896 2009-07-12 22:11 粒子群算法详解-附matlab代码说明.doc
- 上一篇:一种改进的最大类间方差法
- 下一篇:发动机建模
相关资源
- PSO版leach
- PSO 算法在VRP中的应用
- MATLAB小波分解
- matlab粒子群算法工具箱
- PSO-optimize-RBF matlab实现
- 基于Matlab的SVM含数据
- matlab VAR模型应用,和PPT
- 离散粒子群算法DPSOMatlab代码
- 小生境PSO算法matlab程序
- psola.m
- 粒子群优化算法解决背包问题
- matlab粒子群算法PSO程序,算法优化效
- 标准粒子群优化算法-用Griewank函数测
- PSO标准函数测试
- matlab利用复化梯形公式,复化simpson公
- PSO工具箱使用简介\\test_func.mmatlab程序
- Matlab写的粒子群优化算法,很好用!
- pso_lssvm回归预测
- 粒子群算法源代码
- 基于pso的测试函数Griewank得MATLAB算法代
- 基于粒子群PSO算法系统辨识matlab程序
- 优化算法——粒子群算法(PSO)原理
-
在simuli
nk中应用s函数的一个简单 - 粒子群算法求解BP神经网络参数
- BP神经网络matlab(简单而经典).
- PSO优化PID参数的matlab程序
- 粒子群算法PSOmatlab工具箱toolbox
- matlab——PSO算法以及两种适应度函数
- MATLAB智能算法超级学习手册
- 基于粒子群优化的极限学习机
评论
共有 条评论