资源简介
采用PSO和SA算法的结合,对函数进行智能优化!

代码片段和文件信息
clear;
clc;
FitHd = @FitNess;
% 设置相关参数
Dim =6; % 维数
SwarmNum = 60; % 种群规模
X_low = -200*ones(Dim 1); % x的下界
X_up = 200*ones(Dim 1); % x的上界
V_max =1*(X_up-X_low); % 粒子移动的最大速度
w = 0.8; % 惯性权重
c1 = 2.0; % 学习因子
c2 = 2.0;
MaxIter =90000;%最大迭代数
wmin =0;%%%%%%%%%%%%%%% 0.8;惯性权重的最小值
wmax = 0.8;
Err =1; % 误差平方和的允许范围,适应值的允许值
Times =20;%算法运行的次数
fbest = zeros(Times1);
PSOSATrainTimes = zeros(Times 1);
fGbest = PSOSATrainTimes;
for k = 1:1:Times
[PSOSAxGbest PSOSAfGbest(k) PSOSATrainTimes(k)] = PSOSA(FitHd Dim SwarmNum...
MaxIter w c1 c2 X_low X_up V_max Err);
if(PSOSAfGbest(k)< 15.2106)
disp(‘最优适应度:\n‘);
outFit=PSOSAfGbest(k)
disp(‘最优位置:\n‘);
outX=PSOSAxGbest
% break;
end
end
t= 1:1:Times;
plot(tPSOSAfGbest‘*‘);
% %-----------------------fitness---------------------------%
% save PSOXORNNDate.mat PSOSAxGbest PSOSAfGbest -append;
% indexf = find(PSOSAfGbest < Err);
% PSOSASR = length(indexf)/Times
% % temp = PSOSAfGbest(indexf);
% % fGbest = temp;
% % PSOSAfGbMin = min(fGbest)
% % PSOSAfGbMean = mean(fGbest)
% % PSOSAfGbMax = max(fGbest)
% % PSOSAfGbStd = std(fGbest)
% %%--------------精度---------------%%
% PSOSAfGbMin = min(PSOSAfGbest)
% PSOSAfGbMean = mean(PSOSAfGbest)
% PSOSAfGbMax = max(PSOSAfGbest)
% PSOSAfGbStd = std(PSOSAfGbest)
% %%--------------------------------%%
% save PSOXORNNDate.mat PSOSASR PSOSAfGbMin PSOSAfGbMean PSOSAfGbMax PSOSAfGbStd -append;
% fprintf(fid ‘%s\n\n‘ [‘PSOSA的成功率为: ‘ num2str(PSOSASR) ‘ 最小适应值为: ‘ num2str(PSOSAfGbMin)...
% ‘ 平均适应值为: ‘ num2str(PSOSAfGbMean) ‘ 最大适应值为: ‘ num2str(PSOSAfGbMax)...
% ‘ 方差为: ‘ num2str(PSOSAfGbStd)]);
% %-----------------------times---------------------------%
% save PSOXORNNDate.mat PSOSATrainTimes -append;
% % index = find(PSOSATrainTimes < MaxIter);
% % SR = length(index)/Times
% % temp = PSOSATrainTimes(index);
% % fGbest = temp;
% PSOSATrainTimesMin = min(PSOSATrainTimes)
% PSOSATrainTimesMean = mean(PSOSATrainTimes)
% PSOSATrainTimesMax = max(PSOSATrainTimes)
% PSOSATrainTimesStd = std(PSOSATrainTimes)
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2012-03-21 20:35 PSOSA5\
文件 2165 2011-05-29 21:51 PSOSA5\Curve.asv
文件 2298 2011-05-29 19:18 PSOSA5\Curve.m
文件 624 2011-05-26 21:58 PSOSA5\FitNess.asv
文件 624 2011-05-26 22:00 PSOSA5\FitNess.m
文件 2189 2011-05-29 21:55 PSOSA5\main.m
文件 1313 2011-05-29 21:26 PSOSA5\plotcurve.asv
文件 1263 2011-05-29 21:34 PSOSA5\plotcurve.m
文件 2818 2011-05-28 10:43 PSOSA5\PSOSA.asv
文件 2831 2011-05-28 15:53 PSOSA5\PSOSA.m
相关资源
- ectouch最新版JSAPI微信支付V3插
- The direction of synaptic plasticity mediated
- C 大整数RSA加密
- DXperienceUniversal 10.1.6(2010年8月13日版
- hidusage.h hidpi.h 等USB开发用头文件
- RSA算法源码
- [免费]ISAR单特显点法相位补偿
- saber 扫频分析仿真文件
- VESA Computer Display Monitor Timing (DMT)
- tsai经典两步法 很不错的
- ESAM相关文章集合
- 基于JM20329的SATA转USB 1394
- RSA AES DES ECC加密算法源码
- SAP ABAP培训练习题
- SAMPLE (类pascal) 词法分析程序 C 版
- 调用WOSA/XFS的简单示例
- The Impact of ETC System on Safety Performance
- SAS3008芯片资料
- SA1110处理器掌上电脑液晶显示器设计
- MQTT+串口(usart)透传
- 易语言RSA加解密源码
- ECC和ECDSA算法
- OpenSaml使用引导,及测试IDP,SP源码
- Effects of the cultured Cordyceps exopolysacch
- Anti-biofilm Activity of Resveratrol and Ursol
- Effect of dietary nitrate dosage on gas produc
- GlowtoolsA-wdf网易游戏wdf查看及解包
- 爱普生(EPSON)L3151 3153 3156 3157 3158不
- pdf.jsamp;pdf;.worker.js
- 标准pike 6480华硕SAS阵列卡驱动 官方版
评论
共有 条评论