粒子群优化CLPSO的MATLAB源代码

Comprehensive Learning Particle Swarm Optimizer for Global Optimization of Multimodal Functions文章的MATLAB 代码

%**************************************************************************************************
%Reference:  J. J. Liang A. K. Qin P. N. Suganthan and S. Baskar “Comprehensive
%                     learning particle swarm optimizer for global optimization of multimodal
%                     functions“ IEEE Trans. Evolut. Comput. vol. 10 no. 3 pp. 281–295 2006.
%
% Note: We obtained the MATLAB source code from the authors and did some
%           minor revisions in order to solve the 25 benchmark test functions
%           however the main body was not changed.
%**************************************************************************************************

clc;
clear all
tic

‘CLPSO‘

format long;
format compact;

% Choose the problems to be tested. Please note that for test functions F7
% and F25 the global optima are out of the initialization range. For these
% two test functions we do not need to judge whether the variable violates
% the boundaries during the evolution after the initialization.
problemSet = 1:15;
array_all_func = [];
outcome_all = [];
for k = 14
    % Main body which was provided by the authors
    F_index = problemSet（k）
    [xminxmaxn] = f_range（F_index）;
    maxFES = n*10000;
    me = maxFES/40;
    ps = 40;
    %maxFES = n*10000;
    array_all=[];
    outcome = [];
    
    % The total number of runs
    totalTime = 25;

    for time = 1 : totalTime
         
        rand（‘state‘ sum（100 * clock））;
        
       
        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）））;
        m = 0 .* ones（ps 1）;
        iwt = 0.9 - （1 : me） * （0.7 / me）;
        cc = [1.49445 1.49445]; %acceleration constants
        
        lu = [ones（1n）*xmin;ones（1n）*xmax];
        mv = 0.2 * （lu（2 :） - lu（1 :））;
        VRmin = repmat（lu（1 :） ps 1）;
        VRmax = repmat（lu（2 :） ps 1）;
        Vmin = repmat（-mv ps 1）;
        Vmax = -Vmin;

        pos = VRmin + （VRmax - VRmin） .* rand（ps n）;
        for i = 1:ps
            e（i:） = f（pos（i:）F_indexn）;
        end;
        %e = benchmark_func（pos problem o A M a alpha b）;
        
        fitcount = ps;
        vel = Vmin + 2 .* Vmax .* rand（ps n）; %initialize the velocity of the particles

        pbest = pos;
        pbestval = e;  %initialize the pbest and the pbest‘s fitness value
        array = [min（pbestval）];

        [gbestval gbestid] = min（pbestval）;
        gbest = pbest（gbestid :）; %initialize the gbest and the gbest‘s fitness value
        gbestrep = repmat（gbest ps 1）;

        stay_num = zeros（ps 1）;

        ai = zeros（ps n）;
        f_pbest = 1 : ps;
        f_pbest = repmat（f_pbest‘ 1 n）;
        for k = 1 : ps
           
            ar = randperm（n）;
            ai（k ar（1 : m（k））） = 1;
            fi1 = ceil（ps * rand（1 n））;
            fi2 = ceil（ps *