rand和unifrnd函数初始化速度对PSO-PID寻优的影响

Hipipi39

已于 2024-07-18 17:00:42 修改

阅读量404

点赞数 11

分类专栏： # PSO-PID 文章标签： matlab 经验分享笔记

于 2024-01-22 10:50:56 首次发布

本文链接：https://blog.csdn.net/m0_49117509/article/details/135742401

版权

PSO-PID 专栏收录该内容

9 篇文章 5 订阅

订阅专栏

rand和unifrnd函数的异同

rand函数和unifrnd函数的相同和不同点在CSDN这篇文章已经解释得很清楚👉：点击这里，其实本质上是一样的，都是用rand函数随机在0~1范围内取均匀分布的值，unifrnd是对rand函数的封装。其中博主举的例子很形象：

在区间[5,10]上生成400个均匀分布的随机数，两个生成的是一样的数:

 h1=unifrnd(5,10,1,400);
 h2=5+5*rand(1,400); % same pdf

还有不懂的可以查一查matlab官方帮助文档以及stackoverflow的这篇文章👉：点击这里

我是不懂它们两个函数具体是怎么实现的，所以我只能用笨办法，分别运行两个仿真来看得到的实验结果，有没有什么异同。

仿真代码

具体代码可以看我这个文章👉：线性递减权重的PSO-PID算法

具体运行代码的不同之处就在于：

1）rand函数随机初始化粒子速度

%% 粒子群初始化
Range = ones(SwarmSize,1)*(Ub-Lb);                              % 初始化范围
Swarm = rand(SwarmSize,Dim).*Range + ones(SwarmSize,1)*Lb       % 初始化粒子群
VStep = rand(SwarmSize,Dim)*(Vmax-Vmin) + Vmin                  % 初始化速度

2）unifrnd函数随机初始化粒子速度

%% 粒子群初始化
Swarm = zeros(SwarmSize,Dim);                                   %预分配内存
VStep = zeros(SwarmSize,Dim);
for i = 1:SwarmSize
    for j = 1:Dim
        Swarm(i, j) = unifrnd(Lb(j), Ub(j));                    % 使用均匀分布随机生成位置
        VStep(i, j) = unifrnd(Vmin, Vmax);                      % 使用均匀分布随机生成速度
    end
end

仿真结果

两者共同的初始条件，只要注意其粒子个数Swarm、最大迭代次数MaxIter、速度边界Vmax&Vmin以及位置边界Ub&Lb即可。

ws=0.9;       % 最大权重
we=0.4;       % 惯性因子 线性惯性权重 最小权重
c1 = 2;       % 加速常数/学习因子1
c2 = 2;       % 加速常数/学习因子2
Dim = 3;                  % 维数
SwarmSize = 100;          % 粒子群规模
ObjFun = @PSO_PIDdiscrete1;      % 待优化函数句柄
MaxIter = 100;            % 最大迭代次数  
MinFit = 0.00001;         % 最小适应值 
Vmax = 1;       %速度更新限制范围
Vmin = -1;
Ub = [10 50 10]; %位置更新限制范围
Lb = [0 0 0];

rand函数的结果：