粒子群算法优化Sphere函数（MATLAB代码实现）

粒子群算法代码：

%% 
% 粒子群算法（Particle Swarm Optimization, PSO）
% 文献引用：Kennedy J, Eberhart R. Particle swarm optimization[C]//Proceedings of ICNN'95-international conference on neural networks. IEEE, 1995, 4: 1942-1948.
%%
% 输入：NP(种群大小)，max_iter(最大迭代次数)，dim（问题的维度），fobj（目标函数），搜索空间上界（ub），搜索空间下界(lb)
% 输出：gbest_fit（全局最优适应度值），gbest（全局最优解），cg_curve（收敛曲线）
function [gbest_fit,gbest,cg_curve]=PSO(NP,max_iter,dim,fobj,ub,lb)
%% 参数设置
v_max=5;           %最大速度
v_min=-5;          %最小速度
w_max=0.9;         %最大权重
w_min=0.4;         %最小权重
c1=1.5;            %个体学习因子
c2=1.5;            %社会学习因子
cg_curve=zeros(max_iter,1);  %预分配内存
%% 种群初始化
[pop,fit]=Initialization(NP,dim,fobj,ub,lb);  
%% 速度初始化
pop_v=v_min+(v_max-v_min)*rand(NP,dim);
%% 记录全局和个体最优
[gbest_fit,index]=min(fit);
gbest=pop(index,:);
pbest=pop;
pbest_fit=fit;
%% 开始迭代
for t=1:max_iter
    for i=1:NP
        r1=rand(1,dim);
        r2=rand(1,dim);
        w=w_max-t*(w_max-w_min)/max_iter; %更新权重
        pop_v(i,:)=w*pop_v(i,:)+c1.*r1.*(pbest(i,:)-pop(i,:))+c2.*r2.*(gbest -pop(i,:)); %粒子速度更新
        pop_v(i,:)=BoundaryCheck(pop_v(i,:),dim,v_max,v_min);  %检查速度是否越界
        pop(i,:)=pop(i,:)+pop_v(i,:);    %粒子位置更新
        pop(i,:)=BoundaryCheck(pop(i,:),dim,ub,lb);  %粒子位置越界检查
        fit(i)=fobj(pop(i,:));   %计算新个体的适应度值
        if fit(i)<pbest_fit(i)   %更新个体历史最优
            pbest(i,:)=pop(i,:);
            pbest_fit(i)=fit(i);
        end
        if fit(i)<gbest_fit      %更新全局最优
            gbest=pop(i,:);
            gbest_fit=fit(i);
        end
    end
    cg_curve(t)=gbest_fit;
end
end
%% 
% 种群初始化函数
% 输入：NP(种群大小)，dim（问题的维度），fobj（目标函数），搜索空间上界（ub），搜索空间下界(lb)
% 输出：init_pop（种群矩阵）,fit（种群适应度矩阵）
function [init_pop,fit]=Initialization(NP,dim,fobj,ub,lb)
fit=ones(NP,1);    %分配初始内存
init_pop=lb+(ub-lb)*rand(NP,dim);
for i=1:NP
    fit(i)=fobj(init_pop(i,:));
end
end
%%
% 边界检查函数
% 输入：x（种群个体），dim（问题的维度），搜索空间上界（ub），搜索空间下界(lb)
% 输出：y（调整后的个体）
function [y]=BoundaryCheck(x,dim,ub,lb)
for i=1:dim
    if x(i)>ub
        x(i)=ub;
    end
    if x(i)<lb
        x(i)=lb;
    end
end
y=x;
end

main函数代码：

clear  %清空工作区
clc    %清空命令行
close all %关闭所有图形窗口
%%
% main函数
% 参数设置
NP=20;          %种群大小
dim=30;         %维度
max_iter=500;   %最大迭代次数
lb=-100;        %下界
ub=100;         %上界
fobj=@Sphere;   %目标函数
%% 算法调用
[gbest_fit,gbest,cg_curve]=PSO(NP,max_iter,dim,fobj,ub,lb);
disp(['gbest_fit=',num2str(gbest_fit)]);  %输出最优值
plot(cg_curve);
%%
% 目标函数定义
function o =Sphere(x)
o=sum(x.^2);
end

优化效果：（存在一定的随机性，追求效果可扩大迭代次数）