粒子群优化算法PSO

一.粒子群优化算法概念

1. 基本思想
   粒子群算法(PSO)属于群智能算法的一种，是通过模拟鸟群捕食行为设计的。假设区域里就只有一块食物（即通常优化问题中所讲的最优解），鸟群的任务是找到这个食物源。鸟群在整个搜寻的过程中，通过相互传递各自的信息，让其他的鸟知道自己的位置，通过这样的协作，来判断自己找到的是不是最优解，同时也将最优解的信息传递给整个鸟群，最终，整个鸟群都能聚集在食物源周围，即我们所说的找到了最优解，即问题收敛。
2. 流程
   标准PSO的算法流程如下：
     <1>初始化一群微粒（群体规模为m），包括随机的位置和速度；
     
     <2>评价每个微粒的适应度；
     
     <3>对每个微粒，将它的适应值和它经历过的最好位置pbest的作比较，如果较好，则将其作为当前的最好位置pbest；
     
     <4>对每个微粒，将它的适应值和全局所经历最好位置gbest的作比较，如果较好，则重新设置gbest的索引号；
     
     <5>变化微粒的速度和位置；
     
     <6>如未达到结束条件（通常为足够好的适应值或达到一个预设最大代数Gmax），回到2）。

二. 代码实现及结果分析

%% 清空环境
clc
clear

%% 参数初始化
%粒子群算法