pso.m

PSO算法

format long; 
a=1;%搜索空间
b=2;
n=0;
m=1;
c1=1.2;             %学习因子1 
c2=1.2;             %学习因子2 
w=0.5;              %惯性权重 
MaxDT=1000;            %最大迭代次数 
D=2;                  %搜索空间维数（未知数个数） 
N=50;                  %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 
        x(i)=rand*(b-a)+a;  %随机初始化位置 
        v(i)=rand*(m-n)+n;  %随机初始化速度 
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)); 
    y(i)=x(i); 
end 
pg=x(1);           %Pg为全局最优 
for i=2:N 
    if fitness(x(i))<fitness(pg) %求极小值
        pg=x(i); 
    end 
end 
%进入主要循环，按照公式依次迭代 
t=1; 
while(t<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))<p(i) 
            p(i)=fitness(x(i)); 
            y(i)=x(i); 
        end 
        if p(i)<fitness(pg) 
            pg=y(i); 
        end 
    end 
    Pbest(t)=fitness(pg); 
    t=t+1;
end 
%计算结果 
pgg=pg
Result=fitness(pg)