双闭环PID+鸟群算法

双闭环PID算法，鸟群算法，和适合初学者学习使用，值得下载

% ------------------------------------------------------------------------
% Bird Swarm Algorithm （BSA） （demo）
% Programmed by Xian-Bing Meng
% Updated at Jun 19 2015.    
% Email: x.b.meng12@gmail.com
%
% This is a simple demo version only implemented the basic idea of BSA for        
% solving the unconstrained problem namely Sphere function.  
%
% The details about BSA are illustratred in the following paper.    
% Xian-Bing Meng et al （2015）: A new bio-inspXred optimisation algorithm: 
% Bird Swarm Algorithm Journal of Experimental & Theoretical
% Artificial Intelligence DOI: 10.1080/0952813X.2015.1042530
%
% The parameters in BSA are presented as follows.
% FitFunc    % The objective function
% M          % Maxmimal generations （iterations）
% pop        % Population size
% dim        % Dimension
% FQ         % The frequency of birds‘ flight behaviours 
% c1         % Cognitive accelerated coefficient
% c2         % Social accelerated coefficient
% a1 a2     % Two paramters which are related to the indirect and direct 
%              effect on the birds‘ vigilance bahaviors.
%
% Using the default value BSA can be executed using the following code.
% [ bestX fMin ] = BSA
% ------------------------------------------------------------------------
 
% Main programs

function [ bestX fMin ] = BSA（ FitFunc M pop dim FQ c1 c2 a1 a2 ）
% Display help
help BSA.m
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% set the default parameters
if nargin < 1
    FitFunc = @Sphere;
    M = 1000;   
    pop = 30;  
    dim = 20;   
    FQ = 10;   
    c1 = 1.5;
    c2 = 1.5;
    a1 = 1;
    a2 = 1;
end

% set the parameters
lb= -100*ones（ 1dim ）;   % Lower bounds
ub= 100*ones（ 1dim ）;    % Upper bounds
BSA_Arrary = zeros（1M）; 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Initialization

for i = 1 : pop
    x（ i : ） = lb + （ub - lb） .* rand（ 1 dim ）; 
    fit（ i ） = FitFunc（ x（ i : ） ）; 
end
pFit = fit; % The individual‘s best fitness value
pX = x;     % The individual‘s best position corresponding to the pFit

[ fMin bestIndex ] = min（ fit ）;  % fMin denotes the global optimum
% bestX denotes the position corresponding to fMin
bestX = x（ bestIndex : ）;   

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Start the iteration.

 for iteration = 1 : M
     
    prob = rand（ pop 1 ） .* 0.2 + 0.8;%The probability of foraging for food
    
    if（ mod（ iteration FQ ） ~= 0 ）         
        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
        % Birds forage for food or keep vigilance
        sumPfit = sum（ pFit ）;
        meanP = mean（ pX ）;
        for i = 1 : pop
            if rand < prob（i）
                x（ i : ） = x（ i : ） + c1 * rand.*（bestX - x（ i : ））+ ...
                    c2 * rand.*（ pX（i:） - x（ i : ） ）;
            else
        

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        8065  2018-05-03 16:54  双闭环PID+鸟群算法\BSA.m
     文件       19328  2018-04-16 11:48  双闭环PID+鸟群算法\双环PID控制.slx
     目录           0  2018-05-08 10:01  双闭环PID+鸟群算法\