遗传粒子群优化算法-GAPSO.rar

本代码是matlab的代码，毕业设计的三个算法，对原来的粒子群算法进行改进，分别是混沌粒子群，和GAPSO得到的效果还不错，注意这是代码，源代码。

%% 清空环境
clc
clear

%% 参数初始化
%粒子群算法中的两个参数
c1 = 1.49445;
c2 = 1.49445;
D=10;%粒子维数
maxgen=1000;   % 进化次数  
sizepop=20;   %种群规模
u=2;%混沌系数
Vmax=1;
Vmin=-1;
popmax=5;
popmin=-5;
randdata1= xlsread（‘randdata1‘）;
randdata2= xlsread（‘randdata2‘）;
%% 产生初始粒子和速度
for i=1:sizepop
    %随机产生一个种群
    pop（i:）=randdata1（i:）;    %初始种群
    V（i:）=randdata2（i:）;  %初始化速度
    %计算适应度
    fitness（i）=fun（pop（i:））;   %粒子的适应值
end

%% 个体极值和群体极值
[bestfitness bestindex]=min（fitness）;
zbest=pop（bestindex:）;   %全局最佳
gbest=pop;    %个体最佳
fitnessgbest=fitness;   %个体最佳适应度值
fitnesszbest=bestfitness;   %全局最佳适应度值

%% 迭代寻优
for i=1:maxgen
    
    for j=1:sizepop
        
        %速度更新
        V（j:） = V（j:） + c1*rand*（gbest（j:） - pop（j:）） + c2*rand*（zbest - pop（j:））;
        V（jfind（V（j:）>Vmax））=Vmax;
        V（jfind（V（j:）        
        %种群更新
        pop（j:）=pop（j:）+V（j:）;
        pop（jfind（pop（j:）>popmax））=popmax;
        pop（jfind（pop（j:）        
        %适应度值
        fitness（j）=fun（pop（j:））; 
   
    end
    
    for j=1:sizepop
        
        %个体最优更新
        if fitness（j） < fitnessgbest（j）
            gbest（j:） = pop（j:）;
            fitnessgbest（j） = fitness（j）;
        end
        
        %群体最优更新
        if fitness（j） < fitnesszbest
            zbest = pop（j:）;
            fitnesszbest = fitness（j）;
        end
    end 
  
    %%对粒子群最优位置进行混沌优化
      y（1:）=（zbest-popmin）/（popmax-popmin）;%将最优位置映射到Logistic方程的定义域[01]
      fitness（1）=fun（y（1:））; 
        for t=1:sizepop-1 %通过Logistic方程进行M次迭代，得到混沌序列
            for e=1:D
        y（t+1e）=u*y（te）*（1-y（te））; 
            end
        y（t+1:）=popmin+（popmax-popmin）*y（t+1:）;%将混沌序列逆射到原解空间
        fitness（t+1）=fun（y（t+1:））; %计算混沌变量可行解序列的适应度值
        end
[ybestfitness ybestindex]=min（fitness）;%寻找最优混沌可行解矢量
  ybest=y（ybestindex:）;
        ran=1+fix（rand（）*sizepop）;%产生一随机数1~sizepop之间
        pop（ran:）=ybest;
    yy（i）=fitnesszbest;    
        
end
%% 结果分析
plot（yy‘m‘‘LineWidth‘5）
title（‘多峰函数-Generaliaed Rastrigin最优个体适应度曲线‘‘fontsize‘20）;
xlabel（‘迭代次数‘‘fontsize‘25）;ylabel（‘适应度值‘‘fontsize‘25）;
legend（‘基本粒子群算法‘‘混沌粒子群算法‘‘fontsize‘30）;
grid on
hold on
display（‘混沌粒子群算法输出结果‘）;
zbest
minbest=min（yy）
meanbest=mean（yy）
stdbest=std（yy）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2615  2012-05-05 15:30  遗传粒子群优化算法-GAPSO\CPSO.m

     文件        713  2012-05-05 18:17  遗传粒子群优化算法-GAPSO\fun.m

     文件       4274  2012-06-19 11:14  遗传粒子群优化算法-GAPSO\GAPSO.m

     文件       1845  2012-05-05 15:30  遗传粒子群优化算法-GAPSO\PSO.m

     文件      20992  2012-04-24 16:29  遗传粒子群优化算法-GAPSO\randdata1.xls

     文件      20992  2012-04-24 16:29  遗传粒子群优化算法-GAPSO\randdata2.xls

     文件      60988  2012-05-05 17:53  遗传粒子群优化算法-GAPSO\Rastrigin.fig

     文件     107023  2012-05-05 17:53  遗传粒子群优化算法-GAPSO\Rastrigin.jpg

     文件      65384  2012-05-05 15:56  遗传粒子群优化算法-GAPSO\Rosenbrock.fig

     文件      89617  2012-05-05 15:57  遗传粒子群优化算法-GAPSO\Rosenbrock.jpg

     文件     138503  2012-05-05 17:57  遗传粒子群优化算法-GAPSO\Schwefels Problem2.22.jpg

     文件     100038  2012-05-05 17:50  遗传粒子群优化算法-GAPSO\SchwefelsProblem 2.fig

     文件      41176  2012-05-05 15:40  遗传粒子群优化算法-GAPSO\Sphere Model.fig

     文件      99297  2012-05-05 15:41  遗传粒子群优化算法-GAPSO\Sphere Model.jpg

     目录          0  2019-07-05 15:26  遗传粒子群优化算法-GAPSO

----------- ---------  ---------- -----  ----

               753457                    15