2018.7.19
粒子群算法
function [xm,fv] = PSO( fitness,N,c1,c2,w,M,D )
%本函数用粒子群算法实现优化
%%%%给定初始化条件
% c1 学习因子1
% c2 学习因子2
% w 惯性权重
% M 最大迭代次数
% D 搜索空间维数
% N 初始化群体个体数目
% [xm,fv] = PSO( fitness,N,c1,c2,w,M,D )
%%%%%%初始化种群的个体(可以限定位置和速度的范围)%%%%%%
format long;
for i=1:N
for j=1:D
x(i,j)=randn; %以正态分布随机初始化位置
v(i,j)=randn;
end
end
%%%%先计算各个粒子的适应度,并初始pi和pg
for i=1:N
p(i)=fitness(x(i,:));
y(i,:)=x(i,:);
end
pg=x(N,:); %pg为全局最优
for i=1:(N-1)
if fitness(x(i,:))<fitness(pg)
pg=x(i,:);
end
end
%%%%进入主要循环,按照公式依次迭代,直到满足精度要求%%%
for t=1:M
for i=1:N %更新速度,位移
v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:));
x(i,:)=x(i,:)+v(i,:);
if fitness(x(i,:))<p(i)
p(i)=fitness(x(i,:));
y(i,:)=x(i,:);
end
if p(i)<fitness(pg)
pg=y(i,:);
end
end
Pbest(t)=fitness(pg);
end
%%%%%给出最后计算结果
disp('**********************************************')
disp('目标函数取最小值的自变量:')
xm=pg'
disp('目标函数的最小值为:')
fv=fitness(pg)
disp('**********************************************')
end
用matlab实现的第一个智能算法,应该纪念一下,虽然有些模糊,不过还是大致看懂了。
以前认为非常高大上+困难的东西 或许不过如此
不过越是感到好理解,越能体会到智能算法的有趣和实用性,以及里面蕴含的博大精深的智慧。
明天继续学习遗传算法
智能的魅力,在于有人。