dongnenpsodejong.asv

改进型pso ,可以在matlab7.0环境下运行,其他版本的还未运行过,不能保证

% *********************************************************************
%              陈为栋－微粒群优化算法求解----动能PSO算法
% *********************************************************************
%以DeJong函数为测试对象
%该函数只有一个全局最小点：（0，。。。，0），最小值为：0。
%变量取值范围都是（-10,10）

%无论怎样变化，达到最优的概率很小，但是所有的值都在1.0e-008 *0.0335左右，
%即与最小值很近的概率为100%

function dongnenPSODeJong
clc
for iii=1:1:10   %整个程序运行的次数
    iii=iii
   % 变量初始化 
   flag = 0;         % 切换标志
   PopSize = 30;  %  种群数目
   MaxIt = 2000;     %  最大迭代次数
   iter = 0;       %  迭代次数计数器
   c1 = 2;  
   c2 = 2; 
   c3 = 2;
   maxw=1.4;  minw=0.02;  % 惯性权值     
   %定义计算适应值的函数 
    
   dim =2  ; % 问题的维数，也就是问题的变量数目 
   ErrGoal =0.01; % 误差精度 
  
   %碰撞前两个平均速度赋值为零
   V1=0;
   V2=0;
   sum=0;%计算平均值
   
   
   % 初始化种群的速度、位置，计算适应值 
   puopul = rand(dim, PopSize)*(10-(-10)) + (-10); 
   vel = rand(dim, PopSize); 
   for i = 1:PopSize
        fit(i) = DeJong(puopul(:,i)); %计算各粒子的函数适应值
   end 
   %找到个体最优和群体最优
   ibestpos = puopul;  %个体最优位置
   ibestfit = fit; %个体最优适应值
   [bestpart,t] = min(fit);%找到全局最优的值和所在位置
   gbestfit = bestpart; % 保存全局最优适应值
   
   %第一次迭代
   iter=iter+1; 
   w=maxw-iter*(maxw-minw)/MaxIt;  % 当前步所用的惯性权值
   % 速度更新   
   for i=1:PopSize
       A(:,i) = puopul(:,t);%把全局最优适应值对应的个体位置赋给A的每一列
   end  
   R1 = rand(dim, PopSize);%两个随机参数都是矩阵
   R2 = rand(dim, PopSize);
   
   vel = 0.5*(w*vel + c1*R1.*(ibestpos-puopul) + c2*R2.*(A-puopul));
   puopul = puopul + vel;
   % 粒子位置更新  
   
   clear A;    clear R1;    clear R2;
   % 限幅处理
   for j=1:dim
        for i=1:PopSize    
          if puopul(j,i)>10                   
              puopul(j,i)=10 ;
          end
          if puopul(j,i)<-10 
              puopul(j,i)=-10 ;
          end
        end
   end
   % 种群进化，即计算每个粒子的适应值  
   for i = 1:PopSize
       fit(i) = DeJong(puopul(:,i)); %计算各粒子的函数适应值 
   end  
   % 更新个体历史最好位置
   for i=1:PopSize                     
       if fit(i)<ibestfit(i),
           ibestfit(i)=fit(i);
           ibestpos(:,i)=puopul(:,i);
       end
   end
   %  更新全局历史最好位置
   [bestpart,t]=min(fit);           
   if bestpart<gbestfit;
      gbestfit=bestpart;
   end 
   %计算平均速度V1
   for i=1:PopSize
       sum=sum+vel(:,i);
   end
   V1=sum/PopSize;
   %计算最优粒子速度V2
   V2 = vel(:,t);
   sum=0;
   while (iter < MaxIt)
       iter = iter + 1; 
       w=maxw-iter*(maxw-minw)/MaxIt;  % 当前步所用的惯性权值
       % 速度更新   
       for i=1:PopSize
           A(:,i) = puopul(:,t);%把全局最优适应值对应的个体位置赋给A的每一列
       end  
       R1 = rand(dim, PopSize);%两个随机参数都是矩阵
       R2 = rand(dim, PopSize);
       R3 = rand(dim, PopSize);
       k=(1/3)*rand(1);%给定k值范围
       T1=0.25*(1-k^2).*(V1-V2).^2;% 动能补偿函数
       %计算平均距离xbar
       for i=1:PopSize
           sum=sum+puopul(:,i);
       end
       xbar=sum/PopSize;
       sum=0;
       %碰撞评价函数判断
       u=(puopul(1,t)-xbar(1,1))^2+(puopul(2,t)-xbar(2,1))^2;
       if sqrt(u)>ErrGoal
           flag=0;
       else
           flag=1;
       end
       for i=1:PopSize
           T(:,i)=T1;
       end
       
       vel=0.5*(w*vel+c1*R1.*(ibestpos-puopul)+c2*R2.*(A-puopul)+flag*c3*R3.*T);%新的速度更新公式
       puopul = puopul + vel;
       % 粒子位置更新  
        
       clear A;    clear R1;    clear R2;  clear R3;  clear T;
       % 限幅处理
       for j=1:dim
            for i=1:PopSize    
              if puopul(j,i)>10                   
                  puopul(j,i)=10 ;
              end
              if puopul(j,i)<-10 
                  puopul(j,i)=-10 ;
              end
            end
       end
       % 种群进化，即计算每个粒子的适应值  
       for i = 1:PopSize
           fit(i) = DeJong(puopul(:,i)); %计算各粒子的函数适应值 
       end  
       % 更新个体历史最好位置
       for i=1:PopSize,                     
           if fit(i)<ibestfit(i),
               ibestfit(i)=fit(i);
               ibestpos(:,i)=puopul(:,i);
           end
       end
       %  更新全局历史最好位置
       [bestpart,t]=min(fit);           
       if bestpart<gbestfit;
          gbestfit=bestpart;
       end  
       %currentTime = etime(clock,startTime); %计算时间  
       
   end
   %程序运行完一次后得到的最优值 
   x0=puopul(:,t)  
   pp(iii)=gbestfit
   
end


%fprintf(' The best vector is : n'); 
%fprintf('--%g',xmin); 

%figure
%plot(1:iii,psogbestfit(1:iii),'-r')
%xlabel('迭代次数');        %  坐标标注
%ylabel('每一步的最佳适应值');
%title('测试函数为GRIE的优化结果图：');

%  dongnenPSO求解结束
%**********************************************************************