mypso.m

该算法用于解决连续问题的优化

% 连续函数的粒子群算法
% Author: xixilee
% Date: 2007-5-26
function best = MyPSO()
    clc;
    clear;
    close all;
    c1 = 2;              % 学习因子
    c2 = 2;              % 学习因子
    wIni = 0.9;          % 初始惯性因子
    wEnd = 0.4;          % 迭代至最大惯性代数时的惯性因子
    popSize = 100;        % 群体规模
    dimension = 30;      % 空间维数
    iterMax = 1500;       % 最大进化代数
    
    % 粒子群初始化
    xMin = 0;            % 粒子位置的最小值
    xMax = 5;            % 粒子位置的最大值
    vMax = (xMax - xMin)/4;          % 最大限制速度
    vMin = -vMax;                    % 最小限制速度
    x = zeros(popSize, dimension + 1);               % 粒子位置
    v = zeros(popSize, dimension);                   % 粒子速度
    for i = 1: popSize
        for j = 1: dimension
            x(i, j) = xMin + (xMax - xMin)*rand;     % 粒子位置初始化
            v(i, j) = vMax*rand;                     % 粒子速度初始化
        end
        x(i, end) = fitness(x(i, 1: dimension));     % 适应度评估
    end
    pBest = zeros(popSize, dimension + 1);           % 个体最优位置
    pBest = x;                                       % 个体最优位置初始化
    gBest = zeros(1, dimension + 1);                 % 群体最优位置
    [temp index] = min(pBest(:, end));
    gBest = pBest(index, :);                         % 群体最优位置初始化
    
    % 进化
    for iter = 1:iterMax
        w = (wIni - wEnd)*(iterMax - iter)/iterMax + wEnd;    % 惯性因子
        
        for i = 1: popSize
            % 粒子速度更新
            tempV = [];
            tempV = w.*v(i, :) + c1.*rand.*(pBest(i, 1: dimension) - x(i, 1: dimension)) ...
                + c2.*rand.*(gBest(1: dimension) - x(i, 1: dimension));      % 粒子速度更新
            for j = 1: dimension
                if tempV(j) > vMax
                    v(i, j) = vMax;
                elseif tempV(j) < vMin
                    v(i, j) = vMin;
                else
                    v(i, j) = tempV(j);
                end
            end 
            
            % 粒子位置更新
            tempX = [];
            tempX = x(i, 1: dimension) + v(i , :);    % 粒子位置更新
            for j = 1: dimension
                if tempX(j) > xMax
                    x(i, j) = xMax;
                elseif tempX(j) < xMin
                    x(i, j) = xMin;
                else
                    x(i, j) = tempX(j);
                end
            end
           
        end

        % 个体最优位置更新
        for i = 1: popSize
            x(i, end) = fitness(x(i, 1: dimension));  % 适应度评估
            if x(i, end) < pBest(i, end);
                pBest(i, :) = x(i, :);
            end
        end

        % 群体最优位置更新
        if min(pBest(:, end)) < gBest(end)
            [temp index] = min(pBest(:, end));
            gBest = pBest(index, :);
        end
        best(iter) = gBest(end);          % 保存每一代的最优适应度
    end

    save solution_mypso.txt best -ASCII
    semilogy(best)


% 适应度评估函数   
function f = fitness(x)
%     dim=length(x);
%     tmp=[];
%     for i=1:dim
%         tmp(i)=x(i)-i;
%     end
%     f = sum(tmp.^2);
    f = sum(x.^2, 2);