main.m

将粒子群算法与免疫结合

%------免疫粒子群优化算法（Particle Swarm Optimization）-----------
%------初始格式化--------------------------------------------------
clear all;
clc;
format long;
%------给定初始化条件----------------------------------------------
c1=1.4962;             %学习因子1
c2=1.4962;             %学习因子2
w=0.7298;              %惯性权重
MaxDT=1000;            %最大迭代次数
D=10;                  %搜索空间维数（未知数个数）
N=100;                  %初始化群体个体数目
eps=10^(-20);          %设置精度(在已知最小值时候用)
DS=10;                 %每隔DS次循环就检查最优个体是否变优
replaceP=0.6;          %粒子的概率大于replaceP将被免疫替换
minD=1e-015;           %粒子间的最小距离
Psum=0;                %个体最佳的和
%------初始化种群的个体------------

for i=1:N
    for j=1:D
        x(i,j)=randn;  %随机初始化位置
        v(i,j)=randn;  %随机初始化速度
    end
end

%------先计算各个粒子的适应度，并初始化Pi和Pg----------------------

for i=1:N    
    p(i)=fitness(x(i,:),D);  %fitness是计算各个粒子适应度的函数，见文件fitness.m
    y(i,:)=x(i,:);
end
pg=x(1,:);             %Pg为全局最优
for i=2:N
    if fitness(x(i,:),D)<fitness(pg,D)    
        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:MaxDT
    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,:);
        if fitness(x(i,:),D)<p(i)
            p(i)=fitness(x(i,:),D);
            y(i,:)=x(i,:);
        end
        if p(i)<fitness(pg,D)
            pg=y(i,:);
        end
    end
    Pbest(t)=fitness(pg,D);   

%     if fitness(pg,D)<eps                %如果结果满足精度要求则跳出循环
%         break;
%     end
  %-----------开始进行免疫－－－－－－－－－－－－－－－－
    if t>DS
       if mod(t,DS)==0 && (Pbest(t-DS+1)-Pbest(t))<1e-020    %如果连续DS代数，群体中的最优没有明显变优，则进行免疫.
                                                             %在函数测试的过程中发现，经过一定代数的更新，个体最优不完全相等，但变化非常非常小，
                                                             %我认为这个时候也应用免疫了，所以我没有用“Pbest(t-DS+1)＝Pbest(t)”作为判断条件，
                                                             %不过“(Pbest(t-DS+1)-Pbest(t))<1e-020”是否合理也值得探讨。
                            
                    
           for i=1:N           %先计算出个体最优的和
             Psum=Psum+p(i);
           end
           
           for i=1:N           %免疫程序              
               
               for j=1:N                 %计算每个个体与个体i的距离
                   distance(j)=abs(p(j)-p(i));
               end
               num=0;
               for j=1:N                    %计算与第i个个体距离小于minD的个数
                   if distance(j)<minD
                       num=num+1;
                   end
               end
               PF(i)=p(N-i+1)/Psum;             %计算适应度概率
               PD(i)=num/N;                     %计算个体浓度
               a=rand;                          %随机生成计算替换概率的因子
               PR(i)=a*PF(i)+(1-a)*PD(i);       %计算替换概率
           end
           
            for i=1:N
                if PR(i)>replaceP
                    x(i,:)=rand(1,D);
                end
           end
       end
     end      
end

%------最后给出计算结果

disp('*************************************************************')

disp('函数的全局最优位置为：')

Solution=pg'

disp('最后得到的优化极值为：')

Result=fitness(pg,D)

disp('*************************************************************')

%------算法结束-------------------------