pso algorithms 粒子群算法

求解0-1二次规划的粒子群算法 先将离散的0-1变量约束转化成了不光滑方程的约束，再用磨光函数方法对其光滑化。最终，把原来的数学模型转化为可微的非线性规划问题。最后，粒子群优化算法求解

% demopsobehavior.m
% demo of the pso.m function
% the pso tries to find the minimum of the f6 function a standard
% benchmark
%
% on the plots blue is current position green is Pbest and red is Gbest

% Brian Birge
% Rev 3.0
% 2/27/06

clear all
close all
clc
help demopsobehavior
warning off

functnames = {‘ackley‘‘alpine‘‘DeJong_f2‘‘DeJong_f3‘‘DeJong_f4‘...
              ‘Foxhole‘‘Griewank‘‘NDparabola‘...
              ‘Rastrigin‘‘Rosenbrock‘‘f6‘‘f6mod‘‘tripod‘...
              ‘f6_bubbles_dyn‘‘f6_linear_dyn‘‘f6_spiral_dyn‘};
disp（‘Static test functions minima don‘‘t change w.r.t. time/iteration:‘）;
disp（‘ 1） Ackley‘）;
disp（‘ 2） Alpine‘）;
disp（‘ 3） DeJong_f2‘）;
disp（‘ 4） DeJong_f3‘）;
disp（‘ 5） DeJong_f4‘）;
disp（‘ 6） Foxhole‘）;
disp（‘ 7） Griewank‘）;
disp（‘ 8） NDparabola （for this demo N = 2）‘）;
disp（‘ 9） Rastrigin‘）;
disp（‘10） Rosenbrock‘）;
disp（‘11） Schaffer f6‘）;
disp（‘12） Schaffer f6 modified （5 f6 functions translated from each other）‘）;
disp（‘13） Tripod‘）;
disp（‘ ‘）;
disp（‘Dynamic test functions minima/environment evolves over time/iteration:‘）;
disp（‘14） f6_bubbles_dyn‘）;
disp（‘15） f6_linear_dyn‘）;
disp（‘16） f6_spiral_dyn‘）;

functchc=input（‘Choose test function ? ‘）;
functname = functnames{functchc};

disp（‘ ‘）;
disp（‘1） Intense graphics shows error topology and surfing particles‘）;
disp（‘2） Default PSO graphing shows error trend and particle dynamics‘）;
disp（‘3） no plot only final output shown fastest‘）;
plotfcn=input（‘Choose plotting function ? ‘）;
if plotfcn == 1
   plotfcn = ‘goplotpso4demo‘;
   shw     = 1;   % how often to update display
elseif plotfcn == 2
   plotfcn = ‘goplotpso‘;
   shw     = 1;   % how often to update display
else
   plotfcn = ‘goplotpso‘;
   shw     = 0;   % how often to update display
end
   

% set flag for ‘dynamic function on‘ only used at very end for tracking plots
dyn_on = 0;
if functchc==15 | functchc == 16 | functchc == 17
   dyn_on = 1;
end

%xrng=input（‘Input search range for X e.g. [-1010] ? ‘）;
%yrng=input（‘Input search range for Y ? ‘）;
xrng=[-3030];
yrng=[-4040];
disp（‘ ‘）;
% if =0 then we look for minimum =1 then max
  disp（‘0） Minimize‘）
  disp（‘1） Maximize‘）
  minmax=input（‘Choose search goal ?‘）;
 % minmax=0;
  disp（‘ ‘）;
  mvden = input（‘Max velocity divisor （2 is a good choice） ? ‘）; 
  disp（‘ ‘）;
  ps    = input（‘How many particles （24 - 30 is common）? ‘）;
  disp（‘ ‘）;
  disp（‘0） Common PSO - with inertia‘）;
  disp（‘1） Trelea model 1‘）;
  disp（‘2） Trelea model 2‘）;
  disp（‘3） Clerc Type 1“ - with constriction‘）;
  modl  = input（‘Choose PSO model ? ‘）;
 % note: if errgoal=NaN then unconstrained min or max is performed
  if minmax==1
    %  errgoal=0.97643183; % max for f6 function （close enough for termination）
      errgoal=NaN;
  else
     % errgoal=0; % min
      errgoal=NaN;
  end
  minx = xrng（1）;
  maxx = xrng（2）;
  miny = yrng（1）;
  maxy = yrng（2）;

%----

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

     文件       4862  2006-03-06 10:54  DemoPSOBehavior.m

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

                 4862                    1