matlab自适应平滑,以信噪比为适应度函数的自适应粒子群优化算法Matlab Code 修改...

本人最近写了一篇以信噪比为适应度函数的自适应粒子群优化算法Matlab Code，但是运行总是出错误，恳求哪位Matlab大神帮忙看看 修改修改，谢谢。

信噪比SNR适应度函数：

function SNR=fitness(x)

N=20000;

fs=20;

h=1/fs;

T=(0:N-1)*h;

AL=0.1;

fL=0.01;

u=AL*sin(2*pi*fL.*T);

D=0.5;   %噪声强度

ff=fs*(0:N/100-1)/N;

sz=sqrt(2*D).*randn(1,N);   %产生的白噪声序列

s=u+sz;         %信号

xx(1,:)=sr(x(1),x(2),h,s);

Yf=fft(xx(1,:));

P=Yf.*conj(Yf)/N;   %功率谱

G=sum(P);

H=P(11);

GG=(G-H)/10;

SNR=10*log(H/GG)/log(10);  %以SNR作为适应度函数

非线性微分方程离散并求解的数值算法：

function x=sr(a,b,h,x1)

x=zeros(1,length(x1));

for i=1:length(x1)-1

k1=h*(x(1)*x(i)-x(2)*x(i).^3+x1(i));

k2=h*(x(1)*(x(i)+k1/2)-x(2)*(x(i)+k1/2).^3+x1(i));

k3=h*(x(1)*(x(i)+k2/2)-x(2)*(x(i)+(sqrt(2)-1)*k1/2+(2-sqrt(2))*k2/2).^3+x1(i+1));

k4=h*(x(1)*(x(i)+k3)-x(2)*(x(i)-sqrt(2)*k2/2+(2+sqrt(2))*k3/2).^3+x1(i+1));

x(i+1)=x(i)+(1/6)*(k1+(2-sqrt(2))*k2+(2+sqrt(2))*k3+k4);

end

主函数：

clear all;

clc;

format long;

%------给定初始化条件-------------------

c1=2;             %学习因子1

c2=2;             %学习因子2

wmax=0.9;              %惯性权重

wmin=0.6;              %惯性权重

MaxDT=100;            %最大迭代次数

D=2;                  %搜索空间维数(未知数个数)

N=40;                  %初始化群体个体数目

eps=10^(-6);           %设置精度(在已知最小值时候用)

%------初始化种群的个体(可以在这里限定位置和速度的范围)------------

for i=1:N

for j=1:D

x(i,j)=rand(1);  %随机初始化位置

v(i,j)=rand(1);  %随机初始化速度

end

end

for i=1:N

p(i)=fitness(x(i,:));

y(i,:)=x(i,:);

end

pg=x(1,:);             %Pg为全局最优

for i=2:N

if fitness(x(i,:))

pg=x(i,:);

end

end

for t=1:MaxDT

for j=1:N

fv(j)=fitness(x(j,:));

end

fvag=sum(fv)/N;

fmin=min(fv);

for i=1:N

if fv(i)<=fvag

w=wmin-(fv(i)-fmin)*(wmax-wmin)/(fvag-fmin);

else

w=wmax;

end

v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:));  %实现速度的更新

x(i,:)=x(i,:)+v(i,:);  %实现位置的更新

if x(i,1)>1||x(i,1)<0

x(i,1)=rand(1);

end

if x(i,2)>1||x(i,2)<0

x(i,2)=rand(1);

end

if fitness(x(i,:))

p(i)=fitness(x(i,:));

y(i,:)=x(i,:);

end

if p(i)

pg=y(i,:);

end

end

Pbest(t)=fitness(pg);

end

%------最后从所得到的结果中取出最优的解

disp('*************************************************************')

disp('函数的全局最优位置为：')

Solution=pg'

disp('最后得到的优化极值为：')

Result=fitness(pg)

disp('*************************************************************')

figure(1)

r=[1:1:100];

plot(r,Pbest,'r--','linewidth',1);

xlabel('迭代次数')

ylabel('适应度值')

title('自适应权重PSO算法')

hold on

Solution=pg'

Result=fitness(pg)

figure(2)

plot(x,'DisplayName','x')

axis([0,40,-5,5])

%------算法结束---DreamSun GL & HF,适应度函数源程序(fitness.m)------------