资源简介

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

资源截图

代码片段和文件信息

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

评论

共有 条评论