基于粒子群优化的无约束50维Rosenbrock函数求解

基于粒子群优化的无约束50维Rosenbrock函数求解

一、问题重述

无约束50维的Rosenbrock函数可以描述如下：

 

其中， 0

要求按PSO算法思想设计一个该问题的求解算法。

Rosenbrock是一个著名的测试函数，也叫香蕉函数，其特点是该函数虽然是单峰函数，在[100，100]ⁿ上只有一个全局极小点，但它在全局极小点临近的狭长区域内取值变化极为缓慢，常用于评价算法的搜索性能。这种实优化问题非常适合于使用粒子群优化算法来求解。

二、算法

2.1算法设计：

编码

因为问题的维数为50，且可以取[-30,30]范围内的所有实数。所以每个粒子拥有速度和位置的50维的实数向量，每个x的范围都在[-30,30]。

初始化范围

根据问题要求，设定为[-30,30]。因为最大移动范围为60，我们知道，可以将最大速度设定为Vmax=60。

种群大小

查找资料说种群大小在20-40之间，这里设定总群大小n=40。

停止准则

设定为最大迭代次数1000次。当达到迭代次数时，停止运算。

惯性权重

采用固定权重0.5。惯性权重比较重要，最后在算法实现后，多测试几个权重。

 

学习因子

查找资料有三种说法，一种是两个学习因子相等，C1=C2=2。一种是两个学习因子不等，C1=2.8,C2=1.3。准备在算法里都试一试。

邻域拓扑结构

使用星形拓扑结构，即全局版本的粒子群优化算法。

2.2算法求解

粒子群优化的实施步骤：

第一步：初始化粒子群。产生n个粒子，每个粒子随机生成其50维向量的位置和速度。此时设置进化代数为1。

第二步：评价每一个粒子。计算每一个粒子Rosenbrock函数的值，并记录粒子历史最优解和粒子群历史最优解。

第三步：移动值。每一个粒子根据自己的历史最优解和粒子群的历史最优解设置自己的移动速度。并根据移动速度移动到下一个位置。并返回重新评价。

第四步：终止条件判断。当进化代数达到终止代数时，终止运算。输出最优解。</