1 粒子群算法原理
这里有空再加,现在只放一个代码
2 代码实现
这个代码放在一个名为PSO_Algorithm.m文件中
clear all;
close all;
clc;
PSO = PSO_Function; % 指向了文件,可以调用文件中的函数,面向对象编程的思想
C1 = 2; % 个体经验学习因子
C2 = 2; % 群体经验学习因子
Dimension = 20; % 搜索空间维数,即搜索自变量的个数
Popsize = 30; % 种群大小(群体个体数目)
MaxGeneration = 500; % 最大迭代代数
MaxVelocity = 1200; % 粒子最大速度
Fun_Ub = 600; % 粒子位置上边界
Fun_Ul = -600; % 粒子位置下边界
Weight = 1; % 惯性因子
% 测试函数名
TestFunctionNumber = 2;
% 初始化种群的个体
Position = zeros(Popsize,Dimension); % 粒子位置
Velocity = zeros(Popsize,Dimension); % 粒子速度
Vmax(1:Dimension) = MaxVelocity; % 粒子速度上边界
Vmin(1:Dimension) = -MaxVelocity; % 粒子速度上边界
Xmax(1:Dimension) = Fun_Ub; % 粒子位置上边界
Xmin(1:Dimension) = Fun_Ul; % 粒子位置下边界
% 初始化PSO的位置和速度
[Position,Velocity] = PSO.GenerateInitialPopulation(Popsize,Dimension,Xmax,Xmin,Vmax,Vmin);
LocalBestPosition = 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
GlobalBestPosition = zeros(1,Dimension);%全局最优的那个粒子所在位置,初始值认为是第1个粒子
% 计算粒子适应度值
LastFitness = PSO.CaculateFitness(PSO.CaculateObjectValue,Position,Popsize,Dimension);
%求出所有适应值中最小的那个适应值,并获得该粒子的位置
[GlobalBestFitness,index] = min(LastFitness);
%取最小适应值的那个粒子的位置,即index行
GlobalBestPosition =<