粒子群（PSO）寻优算法（matlab）

粒子群寻优算法

网上已经有很多大差不大的代码，但是有可能运行不了，这里记录一个可以使用的，只需要修改适应度函数（要优化的函数）和粒子的维度（优化一个二元函数，则一个粒子的维度就是2维）即可。粒子群优化的方向是使得适应度越来越小的方向。

clear all

%粒子群算法中的两个参数
c1 = 1.49445;%两个加速常数
c2 = 1.49445;

maxgen=100;   % 进化次数  
sizepop=100;   %种群规模

Vmax=0.1;%速度最大值
Vmin=-0.1;%速度最小值
popmax=5;%个体最大值
popmin=-5;%个体最小值
%例子：优化一个f(x,y)=x^2+y^2，优化是找到使得f(x,y)最小的x，y

for i=1:sizepop
    %随机产生一个种群
    pop(i,:)=rands(1,2);%有x,y，所以这里是二维，每一个粒子都是一个行向量
    V(i,:)=rands(1,2);   %初始化速度
    fitness(i)=pop(i,1)^2+pop(i,2)^2;%这里需要修改来适配问题
end


% 个体极值和群体极值
[bestfitness,bestindex]=min(fitness);
zbest=pop(bestindex,:);   %全局最佳
gbest=pop;  %个体最佳
fitnessgbest=fitness;   %个体最佳适应度值
fitnesszbest=bestfitness;   %全局最佳适应度值

%% 迭代寻优
%自适应惯性权重初始化
omg=zeros(1,maxgen);
omgstart=0.09;
omgend=0.02