基于权重改进的PSO

改进型粒子群PSO优化算法MATLAB代码，基于权重改进速度，已封装为函数

function [xminfmin] = PSO（fitnessNc1c2wmaxwminMD） % 自适应粒子群
% fitness 适应度函数，也叫目标函数
% N 粒子个数
% c1 学习因子1
% c2 学习因子2
% wmax 惯性权重最大值
% wmin 惯性权重最小值
% M 最大迭代次数
% D 搜索空间维数，数据（粒子）维数
% xmin 目标函数最小时的自变量x（粒子）
% fmin 目标函数最小值
%%%%%% 初始化种群个体，限定位置和速度 %%%%%%%
x = rand（ND）;
v = rand（ND）;
%%%%%% 初始化个体最优位置及其最优值（初始化各个粒子适应度的值） %%%%%%
for i = 1:N
    p（i:） = x（i:）;
    p（i） = fitness（x（i:））;
end
%%%%%% 初始化全局最优位置及其最优值（假设最后一个粒子为最优） %%%%%%
pg（N:） = x（N:）;
pg（i） = fitness（x（N:））;
for i = 1:N
    if fitness（x（i:）） < fitness（pg（N:））
        pg（i:） = x（i:）;
        pg（i） = fitness（pg）;
    end
end
%%%%%% 开始主循环 %%%%%%%
for t = 1:M
    %%%%%% 求目标函数最小值、平均值，更新权重 %%%%%%
    for j = 1:N
        fv（j） = fitness（x（j:））;
    end
    favg = sum（fv）/N;
    fmin = min（fv）;
    for j = 1:N
        if fv <= favg
            w = wmin - （wmax - wmin） * （fv - favg）/（favg - fmin）;
        else
            w = wmax;
        end
    end
    %%%%%% 更新位置和速度（两个公式） %%%%%%
    for i = 1:N
        v（i:） = w * v（i:） + c1 * rand * （p（i:） - x（i:）） + c2 * rand * （pg（i:） -x（i:））;
        x（i:） = x（i:） + v（i:）;
        %%%%%% 更新个体最优位置 %%%%%%
        if fitness（x（i:）） < p（i）
        p（i） = fitness（x（i:））;
        p（i:） = x（i:）;
        end
        %%%%%% 更新全局最优位置 %%%%%%
        if p（i） < pg（i:）
        pg（i:） = x（i:）;
        pg（i） = fitness（pg）;
        end
    end
end
xmin = pg（i:）;
fmin = pg（i）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1667  2018-06-22 12:01  PSO_adaptation.m