Java 实现粒子群算法

/*
粒子群算法JAVA的简单实现
作者：G Greg 

*/

import java.util.Random;
import java.io.*;

/*
粒子的类
*/
class Particle{
	public int nVar;               // 变量的个数
	public	double [] position;    // 粒子的位置，包含解的信息
	public	double [] velecity;    // 粒子的速度
	public	double [] P_position;  // 粒子历史最有位置
	public	double P_fitness;      // 粒子的历史最优适应值
	public	double fitness;        // 粒子的适应值 
	public 	double x_low;          // 粒子的运动边界--下
	public 	double x_up;		   // 粒子的运动边界--上
	static Random rand1=new Random();   // 随机量生成
	// java 的构造函数（没有析构函数）
	//粒子的初始化
	/*
	输入变量：所求变量的个数，变量的下边界，上边界
	*/
	Particle(int nVar,double x_low,double x_up){
		position=new  double[nVar];
		velecity=new  double[nVar];
		P_position=new  double[nVar];
		this.x_low=x_low;
		this.x_up=x_up;
		// 初始化在边界内：位置，速度
		for(int i=0;i<nVar;i++){
			position[i]=rand1.nextDouble()*(x_up-x_low)+x_low;
			velecity[i]=1.0*position[i];
		}
		
		
	}
}

/*
粒子群算法类
*/
class PSO{
	
	public double c1,c2;	// 算法的学习因子
	public double w;		// 惯性权重系数		
	public Particle [] pop;	// 粒子群种群
	public int MaxIter;		// 最大迭代次数
	public int nPop;		// 种群数量
	public double x_low;	// 变量下边界
	public double x_up;		// 变量上边界
	public double best_fitness;	// 全局最有适应值
	public double[] best_solution;	// 全局最优位置（最优解）
	public int count_Iter=0;		// 当前迭代次数
	public int nVar;				// 变量个数
	static Random rand1=new Random();// 随机变量生成
	//构造函数,无析构函数
	/*
	构造函数初始化
	*/
	PSO(double c1,double c2,double w,int nVar,int MaxIter,int nPop,double x_low,double x_up){
		this.c1=c1;
		this.c2=c2;
		this.w=w;
		this.nVar=nVar;
		this.MaxIter=MaxIter;
		this.nPop=nPop;
		this.x_low=x_low;
		this.x_up=x_up;
		this.pop=new  Particle [nPop];  
		// 种群初始化
		for(int i=0;i<nPop;i++){
			pop[i]=new Particle(nVar,x_low,x_up);  				// 初始化每个粒子
			pop[i].fitness=function_fitness(pop[i].position);	// 计算每个粒子的适应值
			pop[i].P_fitness=pop[i].fitness;					// 初始化粒子的最优适应值
			pop[i].P_position=(double[])pop[i].position.clone();// 初始化粒子的最优位值，数组的复制用clone，
			
		}
		//把第一个粒子的适应值和位置初始化给全局变量
		best_fitness=pop[1].fitness;
		best_solution=(double[])pop[1].position.clone();
		
	}
	// 适应值函数
	public double function_fitness(double[] var){
		double sum=0;
		for(int i=0;i<nVar;i++)
		{
			sum+=var[i]*var[i];
		}
		return sum;
	}
	/* 
	种群搜索过程，粒子更新的方法
	1.先计算粒子的速度，按公式计算，采用基本粒子群算法的更新公式
	2.对出界的速度进行限制
	3.按公式更新粒子的位置
	4.对出界的位置进行限制
	*/
	public void up_search(){
		for(int i=0;i<nPop;i++){
			for(int j=0;j<nVar;j++){
				pop[i].velecity[j]=w*pop[i].velecity[j]+rand1.nextDouble()*(pop[i].P_position[j]-pop[i].position[j])*c1 +rand1.nextDouble()*(best_solution[j]-pop[i].position[j])*c2;
				if(pop[i].velecity[j]>x_up){
					pop[i].velecity[j]=x_up;
					if(pop[i].velecity[j]<x_low){
						pop[i].velecity[j]=x_low;
					}
				}
				pop[i].position[j]=pop[i].position[j]+pop[i].velecity[j];
				if(pop[i].position[j]>x_up){
					pop[i].position[j]=x_up;
					if(pop[i].position[j]<x_low){
						pop[i].position[j]=x_low;
					}
				}
			}
			
		}
	}
	//更新适应值
	public void up_date(){
		for(int i=0;i<this.nPop;i++){
			//计算适应值
			pop[i].fitness=function_fitness(pop[i].position);	
			// 如果个体的适应值大于个体历史最优适应值，则更新个体历史最优适应值，位置信息同样的也更新
			if(pop[i].fitness<pop[i].P_fitness){
				pop[i].P_position=(double[])pop[i].position.clone();	
				// 如果个体的适应值比全局的适应值优，则更新全局的适应值和位置
				if(pop[i].fitness<best_fitness)
				{
					best_fitness=pop[i].fitness;
					best_solution=(double[])pop[i].position.clone();
				}
			}
		}
		
	}
	// 显示结果，显示每一次迭代计算后的最优适应值
	public void show_result(int Iter_c){
		System.out.printf("Iteration: %5d fit:%5f\n",Iter_c,best_fitness);
		if(Iter_c==(MaxIter-1))
		{
			for(int i=0;i<nVar;i++){
				System.out.println(" "+best_solution[i]);
				
			}
			System.out.println("The PSO end ,plase look up the result if need!");
		}
	}
	// PSO 程序开始运行
	public void run()
	{	up_date();
	// 按照设置的最大迭代次数迭代计算
		for(int it =0;it<MaxIter;it++){
			
			up_search();	// 速度位置更新
			up_date();		// 适应值的更新
			show_result(it);// 输出结果的显示
		}
	}
	
}

// 定义主类进行计算
public class MainPSO{
	public static void main(String[] args){
		System.out.println("this is ");
		// 初始赋值
		PSO pso=new PSO(1.52,2,1,5,1000,50,-10,10);
		System.out.println("The PSO START....");
		pso.run();
		System.out.println("The PSO END....");
		
	}	
	
}