粒子群优化算法及其在SAT问题matlab源码

组合优化问题一直是科学研究领域中的一个重要问题。目前解决组合优化问题的方法可以分为两类。Non-Population based 方法和Population based 方法。本文主要讨论属于Population based 方法的粒子群优化算法(PSO).粒子群优化算法由Dr.Eberhart 和Dr.Kenney 于1995年提出,它是受到鸟群或者鱼群的社会行为的启发而形成的一种基于种群的随机优化技术。粒子群优化算法属于进化算法，具有进化计算的基本特征。例如这个系统也是最初被初始化成为随机解的集合，然后通过更新后代并用迭代的方式来实现搜索最优解。然而，不同于进化算法的是，粒子群优化算法中的

function Jx = bessel（nx）
format long;
if n == 0
    a = [5.7568490574e10;-1.3362590354e10;6.516196407e8;
         -1.121442418e7;7.739233017e4;-1.849052456e2];
    b = [5.7568490411e10;1.029532985e9;9.494680718e6;
         5.927264853e4;2.678532712e2;1.0];
    r =[1.0;-0.1098628627e-2;0.2734510407e-4;
        -0.2073370639e-5;0.2093887211e-6];
    s =[-0.1562499995e-1;0.1430488765e-3;-0.6911147651e-5;
        0.7621095161e-6;-0.934945152e-7];
    if abs（x） < 8
        J0_u = a（1）;
        J0_d = b（1）;
        for i=2:6
            J0_u = J0_u + a（i）*power（x2*（i-1））;
            J0_d = J0_d + b（i）*power（x2*（i-1））;
        end
        J0 = J0_u/J0_d;
    else
        z = 8/abs（x）;
        sita = abs（x） - pi/4;
        R0 = r（1）;
        S0 = s（1）;
        for i=2:5