在这里插入代码片https://www.bilibili.com/video/BV1T5411X7wY/?spm_id_from=333.337.search-card.all.click&vd_source=fea739b827012868454f75636d108f72
matlab代码
%%%%%%%粒子群算法求函数极值%%%%%%%%
%%%%%%%%%%%初始化%%%%%%%%%%
clear all; %清楚变量
close all; %清图
clc; %清屏
N=100; %群体粒子个数
D=2; %粒子维数
T=200; %最大迭代次数
c1=4; %学习因子 1
c2=4; %学习因子 2
Wmax=0.8; %惯性权重最大值
Wmin=0.4; %惯性权重最小值
Xmax=4; %位置最大值
Xmin=-4; %位置最小值
Vmax=1; %速度最大值
Vmin=-1; %速度最小值
%%%%%%%%%%初始化种群个体(限定位置和速度)%%%%%%%%%%
x=rand(N,D)*(Xmax-Xmin)+Xmin;
v=rand(N,D)*(Vmax-Vmin)+Vmin;
%%%%%%%%%%%%%%%%%初始化个体最优位置和最优值%%%%%%%%%%%%%%%%
p=x;
pbest=ones(N,1); %%创建一个数组,用于存储每个粒子对应的适应度函数值
for i=1:N
pbest(i)=func2(x(i,:)); %求初始化种群对应的目标函数值
end
%%%%%%初始化全局最优位置和最优值%%%%%
g=ones(1,D); %创建一个数组和变量用于保存最优变量和目标函数
gbest=inf;
for i=1:N %这一步当中找到种群最优目标函数值
if(pbest(i)<gbest)
g=p(i,:);
gbest=pbest(i);
end
end
gb=ones(1,T); %建立此项用于保存种群种每一代种的最优值
%%%%%%按照公式依次迭代直到满足精度或者迭代次数%%%%%%%
for i=1:T
for j=1:N
%%%%%%%%%%更新个体最优位置和最优值
if(func2(x(j,:))<pbest(j)) %新的个体是否小于原来的个体,如果小于则保存新的个体
p(j,:)=x(j,:);
pbest(j)=func2(x(j,:));
end
%%%%%更新全局最有位置和最优值%%%%%
if(pbest(j)<gbest)
g=p(j,:);
gbest=pbest(j);
end
%%%计算动态惯性权重值%%%%
w=Wmax-(Wmax-Wmin)*i/T;
%%%更新位置和速度值%%%%
v(j,:)=w*v(j,:)+c1*rand*(p(j,:)-x(j,:))...
+c2*rand*(g-x(j,:));%计算对应的速度公式
x(j,:)=x(j,:)+v(j,:);%更新粒子群当中对应的基因
%%%%%%边界条件处理%%%%%%%
%检查单个粒子的速度和位置信息是否超过当前最大限制
for ii=1:D % 如果超过的话 就在原来的范围内重新生成个体
if(v(j,ii)>Vmax |v(j,ii)<Vmin)
v(j,ii)=rand*(Vmax-Vmin)+Vmin;
end
if(x(j,ii)>Xmax |x(j,ii)<Xmin)
x(j,ii)=rand*(Xmax-Xmin)+Xmin;
end
end
end
%%%%%%%记录历代全局最优值%%%%%%%%
gb(i)=gbest;
end
g; %最优个体
gb(end); %最优值
figure
plot(gb)
xlabel('迭代次数');
ylabel('适应度值');
title('适应度进化曲线')
%%%%%%%适应度函数%%%%%%
function value = func2(x)
value = 3*cos(x(1)*x(2))+x(1)+x(2)^2;
end
%%%%%%%适应度函数%%%%%%
function value = func2(x)
value = 3*cos(x(1)*x(2))+x(1)+x(2)^2;
end