粒子群优化算法

%% 初始化种群  

f= @(x)x .* sin(x) .* cos(2 * x) - 2 * x .* sin(3 * x); % 函数表达式    % 求这个函数的最大值  

figure(1);ezplot(f,[0,0.01,20]);  []绘制目标函数在区间 [0,20]内的图像

N = 50;                         % 初始种群个数  

d = 1;                          % 空间维数  

ger = 100;                      % 最大迭代次数[]    即算法的次数

limit = [0, 20];                % 设置位置参数限制  

vlimit = [-1, 1];               % 设置速度限制  

w = 0.8;                        % 惯性权重  

c1 = 0.5;                       % 自我学习因子  

c2 = 0.5;                       % 群体学习因子   

for i = 1:d  

x = limit(i, 1) + (limit(i, 2) - limit(i, 1)) * rand(N, d);

%初始种群的位置  

end  

v = rand(N, d);                  % 初始种群的速度  

xm = x;                          % 每个个体的历史最佳位置  

ym = zeros(1, d);                % 种群的历史最佳位置  

fxm = zeros(N, 1);               % 每个个体的历史最佳适应度  

fym = -inf;                      % 种群历史最佳适应度  

hold on  

plot(xm, f(xm), 'ro');title('初始状态图');  

figure(2)  

%% 群体更新  

iter = 1;  

record = zeros(ger, 1);          % 记录器  

while iter <= ger  

     fx = f(x) ; % 个体当前适应度     

     for i = 1:N        

        if fxm(i) < fx(i)  

            fxm(i) = fx(i);     % 更新个体历史最佳适应度  

            xm(i,:) = x(i,:);   % 更新个体历史最佳位置  

        end   

     end  

if fym < max(fxm)  

        [fym, nmax] = max(fxm);   % 更新群体历史最佳适应度  

        ym = xm(nmax, :);      % 更新群体历史最佳位置  

 end  

v = v * w + c1 * rand * (xm - x) + c2 * rand * (repmat(ym, N, 1) - x);% 速度更新  

      史最佳适应度和位置，以便搜索可能的最佳解。

    

% 边界速度处理  

    v(v > vlimit(2)) = vlimit(2);  

    v(v < vlimit(1)) = vlimit(1);  

    x = x + v;% 位置更新  

    % 边界位置处理  

    x(x > limit(2)) = limit(2);  

    x(x < limit(1)) = limit(1);  

    record(iter) = fym;%最大值记录  

     x0 = 0 : 0.01 : 20;  

     plot(x0, f(x0), 'b-', x, f(x), 'ro');title('状态位置变化')  

    pause(0.1)  

    iter = iter+1;  

end  

figure(3);plot(record);title('收敛过程')  

x0 = 0 : 0.01 : 20;  

figure(4);plot(x0, f(x0), 'b-', x, f(x), 'ro');title('最终状态位置')  

disp(['最大值：',num2str(fym)]);  

disp(['变量取值：',num2str(ym)]);