基本粒子群算法matlab 程序

转载自：http://www.cnblogs.com/MnsterLu/p/5562451.html

算法没有和图像处理直接相关，

不过对于图像分类中的模式识别相关算法，

也许会用到这个优化算法。

不过不管有没有用，

还是得一步一步学起来

算法步骤：

1.首先确定粒子个数与迭代次数。

2.对每个粒子随机初始化位置与速度。

3.采用如下公式更新每个粒子的位置与速度。

Px=Px+Pv*t;　%位置更新公式　

Pv=Pv+(c1*rand*(Gx-Px))+(c2*rand*(PBx-Px)); %速度更新公式

 

main.m

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

[xm,fv]=PSO(@fitness,40,2,2,0.5,100,30) for i =1:30      s( i )=0.; end for i =1:30            F=0;      for j =1:30          F=F+xm( i )^2+xm( i );      end      s( i )=F; end plot (xm,s, '*' )

　

PSO.m

function [ xm,fv ] = PSO( fitness,N,c1,c2,w,M,D )
%PSO Summary of this function goes here
%   Detailed explanation goes here
format long;
for i=1:N
    for j=1:D
        x(i,j)=randn;
        v(i,j)=rand;
    end
end
for i=1:N
    p(i)=fitness(x(i,:));
    y(i,:)=x(i,:);
end
pg= x(N,:);
for i=1:(N-1)
    if fitness(x(i,:))<fitness(pg)
        pg=x(i,:);
    end
end
for t=1:M
    for i=1:N
        v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:));
        x(i,:)=x(i,:)+v(i,:);
        if fitness(x(i,:))<p(i)
            p(i)=fitness(x(i,:));
            y(i,:)=x(i,:);
        end
        if p(i)<fitness(pg)
            pg=y(i,:);
        end
    end
    Pbest(t)=fitness(pg);
end
xm = pg';
fv =fitness(pg);



end

这个就是优化的函数，

就是求它的最小值，

也可能是局部最小值，

反正大家自己感悟

fitness.m

?

1 2 3 4 5 6 7 8

function F = fitness( x ) %F Summary of this function goes here %   Detailed explanation goes here F=0; for i =1:30      F=F+x( i )^2+x( i );   end