matlab simuapso,混合粒子群算法：基于模拟退火的算法

混合粒子群算法：基于模拟退火的算法

1. 算法原理

模拟退火算法在搜索过程中具有概率突跳的能力，能够有效地避免搜索过程中陷入局部极小解。模拟退火算法在退火过程中不但接受好的解，而且还以一定的概率接受差得解，同时这种概率受到温度参数的控制，其大小随温度的下降而减小。

2. 算法步骤

(1) 随机初始化种群中各微粒的位置和速度；

(2) 评价每个微粒的适应度，将当前各微子的位置和适应值存储在各微子的i p 中，将所

有pbest 的中适应最优个体的位置和适应值存储在g p 中；

(3) 确定初始温度；

(4) 根据下式确定当前温度下各i p 的适配值：

(()())/(()())/1

()i g i g f p f p t

i N

f p f p t

i e

TF p e

----==

∑

(5) 采用轮盘赌策略从所有i p 中确定全局最优的某个替代值g p '，然后根据下式更新各

微粒的速度和位置：

{},,11,,22,,(1)()[()][()]i j i j i j i j g j i j v t v t c r p x t c r p x t ?+=+-+-

,,,(1)()(1),1,2,...i j i j i j x t x t v t j d +=++=

12

C c c ?=

=+

(6) 计算各微粒新的目标值，更新各微粒的i p 值及群体的g p 值；

(7) 进行退温操作；

(8) 若满足停止条件(通常为预设的运算精度或迭代次数)，搜索停止，输出结果，否知

返回(4)继续搜索；

(9) 初始温度和退温温度对算法有一定的影响，一般采用如下的初温和退温方式：

10,()/ln 5k k g t k t f p λ+==

3. 算法MATLAB 实现

在MATLAB 中编程实现的基于杂交的粒子群算法优化函数为：Sim uA P SO 。

功能：用基于模拟退火的粒子群算法求解无约束优化问题。