pso.m

基于多线程机制的

function [pg,fpg]=PSO(MinFPG,MaxDT,N,D)

%------给定初始化条件----------------------------------------------

K1_2=0.5;
c1=1.4962*K1_2;             %学习因子1
c2=1.4962*(1-K1_2);             %学习因子2
w=0.7298;              %惯性权重
% MinFPG=1e-6;         %收敛适应度指标
% MaxDT=100;            %最大迭代次数
% D=3;
% N=20;                  %初始化群体个体数目

%------初始化种群的个体(可以在这里限定位置和速度的范围)------------
% for i=1:N
%     for j=1:D
%         x(i,j)=rand();
%         v(i,j)=rand();  %随机初始化速度
%     end
% end


x=rand(N,D);
% x=1/1.1*ones(N,D);
v=rand(N,D);
x=modify(x);

%------先计算各个粒子的适应度，并初始化Pi和Pg----------------------
p=fitness(x);
y=x;
% for i=1:N
%     p(i)=fitness(x(i,:));
%     y(i,:)=x(i,:);
% end

pg=x(1,:);             %Pg为全局最优
fpg=p(1);
for i=2:N
    if p(i)<fpg
        pg=x(i,:);
        fpg=p(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:MaxDT
    v=w*v+c1*rand(N,1)*ones(1,D).*(y-x)+c2*rand(N,1)*ones(1,D).*(ones(N,1)*pg-x);
    x=x+v;
    x=modify(x);
    pp=fitness(x);
    for i=1:N
    %     v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:));
    %     x(i,:)=x(i,:)+v(i,:);
    %     x(i,:)=modify(x(i,:));
        if pp(i)<p(i)
        %--更新个体最优值--
            p(i)=pp(i);
            y(i,:)=x(i,:);
            if p(i)<fpg
            %--更新全局最优值--
                pg=y(i,:);
                fpg=p(i);
            end
        end
    end
    if fpg<MinFPG
        break;
    end
end

%------算法结束---DreamSun GL & HF-----------------------------------