matlab 逻辑命令举例,关于MATLAB逻辑语句&错误使用问题-CSDN博客

function [pso F] = pso_2D()

% FUNCTION PSO --------USE Particle Swarm Optimization Algorithm

%global present;

% close all;

pop_size = 10; % pop_size 种群大小

part_size = 3; % part_size 粒子大小, ** =n-D

gbest = zeros(1,part_size+1); % gbest 当前搜索到的最小的值

max_gen = 80; % max_gen 最大迭代次数

region=zeros(part_size,2); % 设定搜索空间范围

region=[-3,3;-3,3;-3,3]; % **每一维设定不同范围

rand('state',sum(100*clock)); % 重置随机数发生器状态

arr_present = ini_pos(pop_size,part_size); % present 当前位置,随机初始化,rand()的范围为0~1

v=ini_v(pop_size,part_size); % 初始化当前速度

pbest = zeros(pop_size,part_size+1); % pbest 粒子以前搜索到的最优值，最后一列包括这些值的适应度

w_max = 0.9; % w_max 权系数最大值

w_min = 0.4;

v_max = 2; % **最大速度,为粒子的范围宽度

c1 = 2; % 学习因子

c2 = 2; % 学习因子

best_record = zeros(1,max_gen); % best_record记录最好的粒子的适应度。

% ————————————————————————

% 计算原始种群的适应度,及初始化

% ————————————————————————

arr_present(:,end)=ini_fit(arr_present,pop_size,part_size);

pbest = arr_present; %初始化各个粒子最优值

[best_value best_index] = min(arr_present(:,end)); %初始化全局最优，即适应度为全局最小的值，根据需要也可以选取为最大值

gbest = arr_present(best_index,:);

for i=1:max_gen

w = w_max-(w_max-w_min)*i/max_gen;

% 确定是否对打散已经收敛的粒子群——————————————————————————————

reset = 0; % reset = 1时设置为粒子群过分收敛时将其打散，如果＝1则不打散

if reset==1

bit = 1;

for k=1:part_size

bit = bit&(range(arr_present(:,k))<0.1);

end

if bit==1 % bit=1时对粒子位置及速度进行随机重置

arr_present = ini_pos(pop_size,part_size); % present 当前位置,随机初始化

v = ini_v(pop_size,part_size); % 速度初始化

for k=1:pop_size % 重新计算适应度

arr_present(k,end) = fitness(arr_present(k,1:part_size));

end

warning('粒子过分集中！重新初始化……'); % 给出信息

display(i);

end

for j=1:pop_size

v(j,:) = w.*v(j,:)+c1.*rand.*(pbest(j,1:part_size)-arr_present(j,1:part_size))...

+c2.*rand.*(gbest(1:part_size)-arr_present(j,1:part_size)); % 粒子速度更新 (a)

% 判断v的大小，限制v的绝对值小于5————————————————————————————

c = find(abs(v)>6); %**最大速度设置，粒子的范围宽度

v(c) = sign(v(c))*6; %如果速度大于3.14则，速度为3.14

arr_present(j,1:part_size) = arr_present(j,1:part_size)+v(j,1:part_size); % 粒子位置更新 (b)

arr_present(j,end) = fitness(arr_present(j,1:part_size));

if (arr_present(j,end)>pbest(j,end))&(Region_in(arr_present(j,:),region)) % 根据条件更新pbest,如果是最小的值为小于号,相反则为大于号

pbest(j,:) = arr_present(j,:);

end

[best best_index] = min(arr_present(:,end)); % 如果是最小的值为min,相反则为max

if best>gbest(end)&(Region_in(arr_present(best_index,:),region)) % 如果当前最好的结果比以前的好，则更新最优值gbest,如果是最小的值为小于号,相反则为大于号

gbest = arr_present(best_index,:);

end

best_record(i) = gbest(end);

end

pso = gbest;

%display(gbest);

% ***************************************************************************

% 计算适应度

% ***************************************************************************

function fit = fitness(present)

fit=3*(1-present(1)).^2.*exp(-(present(1).^2) - (present(2)+1).^2) ... %**需要求极值的函数,本例即peaks函数

- 10*(present(1)/5 - present(1).^3 - present(2).^5).*exp(-present(1).^2-present(2).^2) ...

- 1/3*exp(-(present(1)+1).^2 - present(2).^2)+present(3);

function ini_present=ini_pos(pop_size,part_size)

ini_present = 3*rand(pop_size,part_size+1); %初始化当前粒子位置,使其随机的分布在工作空间 %** 6即为自变量范围

function ini_velocity=ini_v(pop_size,part_size)

ini_velocity =3/2*(rand(pop_size,part_size)); %初始化当前粒子速度,使其随机的分布在速度范围内

function flag=Region_in(pos_present,region)

[m n]=size(pos_present);

flag=1;

for j=1:n-1

flag=flag&(pos_present(1:j)>=region(j,1))&(pos_present(1:j)<=region(j,2));

end

function arr_fitness=ini_fit(pos_present,pop_size,part_size)

for k=1:pop_size

arr_fitness(k,1) = fitness(pos_present(k,1:part_size)); %计算原始种群的适应度

end