基本粒子群算法

本文介绍了基本粒子群优化算法的实现过程,包括学习因子、粒子最大速度、粒子位置和速度的初始化、适应值计算及迭代更新。通过示例展示了如何在二维空间中应用该算法,最终绘制了迭代过程中最佳适应度值的变化曲线。
摘要由CSDN通过智能技术生成

c1=2;%学习因子

c2=2;%学习因子

Dimension=20;

Size=30;

Tmax=500;

Velocity_max=1200;%粒子最大速度

F_n=2;%测试函数名

Fun_Ub=600;%函数上下界

Fun_Lb=-600;

Position=zeros(Dimension,Size);%粒子位置

Velocity=zeros(Dimension,Size);%粒子速度

Vmax(1:Dimension)=Velocity_max;%粒子速度上下界

Vmin(1:Dimension)=-Velocity_max;

Xmax(1:Dimension)=Fun_Ub;%粒子位置上下界,即函数自变量的上下界

Xmin(1:Dimension)=Fun_Lb;

[Position,Velocity]=Initial_position_velocity(Dimension,Size,Xmax,Xmin,Vmax,Vmin);

Pbest_position=Position;%粒子的历史最优位置,初始值为粒子的起始位置,存储每个粒子的历史最优位置

Gbest_position=zeros(Dimension,1);%全局最优的那个粒子所在位置,初始值认为是第1个粒子

for j=1:Size

Pos=Position(:,j);%取第j列,即第j个粒子的位置

fz(j)=Fitness_Function(Pos,F_n,Dimension);%计算第j个粒子的适应值

end

[Gbest_Fitness,I]=min(fz);%求出所有适应值中最小的那个适应值&

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值