【Matlab】PSOt工具箱使用

1. PSOt工具箱介绍

PSOt为PSO的工具箱，该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。

与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。

该工具箱的使用主要分为几个步骤：

1. 在Matlab中设置工具箱的路径；
2. 定义待优化函数；
3. 调用PSO算法的核心函数：pso_Trelea_vectorized()。

其中第三步最关键，需要根据自己的需要设置好参数，可使算法极快收敛。

2. 使用举例

2.1 定义待优化函数

用户根据自己的需要，定义需要优化的函数。举个例子，若想计算如下二元函数的最小值

z= 0.5*(x-3)^2+0.2*(y-5)^2-0.1

其中自变量x、y的范围均为[-50, 50]。

function z=test_func(in)
nn=size(in);
x=in(:,1);
y=in(:,2);
nx=nn(1);
for i=1:nx
    temp = 0.5*(x(i)-3)^2+0.2*(y(i)-5)^2-0.1;
    z(i,:) = temp;
end

2.2 设置参数进行优化

clear
clc
x_range=[-50,50];     %参数x变化范围
y_range=[-50,50];     %参数y变化范围
range = [x_range;y_range];     %参数变化范围(组成矩阵)
Max_V = 0.2*(range(:,2)-range(:,1));  %最大速度取变化范围的10%~20%
n=2;                     %待优化函数的维数，此例子中仅x、y两个自变量，故为2
pso_Trelea_vectorized('test_func',n,Max_V,range)  %调用PSO核心模块

Pdef参数解释： 

Pdef = [100 2000 100 2 2 0.9 0.4 1500 1e-25 250 NaN 0 0];
%% Functname, D, mv, Varrange, minmax, and psoparams
pso_Trelea_vectorized('test_func',N,Max_V,range,0,Pdef)  %调用PSO核心模块

P(1)，为在matlab命令窗进行显示的间隔数，取值为100表示每迭代100次显示一次；若取值为0，则不显示中间过程

P(2)，表示最大迭代次数，即即使算法不收敛，到此数后自动停止

P(3)，种子数，即初始化多少个种子，如对上面的问题，初始化后in为24个x及24个y的数值组成的矩阵。种子数越多，越有可能收敛到全局最优值，但算法收敛速度慢。

P(4)、P(5)，，算法的加速度参数，分别影响局部最优值和全局最优值，据说2对大多数情况来说都是挺好的选择，所以一般不需要修改。

P(6)、P(7)，初始时刻和收敛时刻的加权值，在最早的PSO算法中，没有此参数，靠其它几个参数的调整来保证收敛，但收敛速度和收敛精度难以同时满足，后来在改进算法中，加入此权值，使得兼顾收敛速度和收敛精度成为可能，笔者认为，对大多数情况来说仍不需要修改。

P(8)，指定的当迭代次数超过此值时，加权值取其最小(如上面的0.4)。

P(9)，用于终止算法的阈值。当连续的两次迭代中对应的种群最优值小于此阈值时，算法停止

P(10)，用于终止算法的阈值。当连续250次迭代中函数的梯度之仍然没有变化，则推出迭代。

P(11)，用于说明优化的情况，取NaN时表示为非约束下的优化问题(即没有附加约束方程)

P(12)，用于指定采用何种PSO类型，0表示通常的PSO算法。

P(13)，用于说明是否认为指定种子，0表示随机产生种子，1表示用户自行产生种子。