matlab实例,基于Ackley‘s function的,差分进化算法和粒子群算法的比较

该博客通过Matlab实现,对比了基于Ackley's function的差分进化算法和粒子群算法,展示了两种算法在求解函数极值时的性能。结果显示,虽然两者都能找到最优解,但粒子群算法的计算速度更快。
摘要由CSDN通过智能技术生成

基于Ackley's function的,差分进化算法和粒子群算法的比较。

以下是matlab源码。

%%%%%%%%%%%%

%%%%%%%%%%%%  Ackley's function

clear all;                           %清除所有变量

close all;                           %清图

clc;                                 %清屏

x=-5:0.01:5;

y=-5:0.01:5;

N=size(x,2);

for i=1:N

    for j=1:N

        z(i,j)=-20*exp(-0.2*(0.5*(x(i)^2+y(j)^2))^0.5)-exp(0.5*(cos(2*pi*x(i))+cos(2*pi*y(j))))+20+exp(1);

    end

end

mesh(x,y,z)

xlabel('x')

ylabel('y')

 

粒子群算法:

%%%%%%%%%%%%%%%%%粒子群算法求函数极值%%%%%%%%%%%%%%%%%%%%%%%%%%

tic %程序运行起点

time =[];

for i=1:500

    time(i)=1;

end

%%%%%%%%%%%%%%%%%%%%%%%%初始化%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

clear all;              %清除所有变量

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=1.5;                 %学习因子1

c2=1.5;                 %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=5;                 %位置最大值

Xmin=-5;                %位置最小值

Vmax=1;                 %速度最大值

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值