pso.asv

PSO算法

format long; 
a=-4;
b=4;
n=0;
m=1;
c1=1.8;             %学习因子1 
c2=1.8;             %学习因子2 
w=1;              %惯性权重 
MaxDT=1;            %最大迭代次数 
D=2;                  %搜索空间维数（未知数个数） 
N=20;                  %初始化群体个体数目 
eps=10^(-6);           %设置精度(在已知最小值时候用) 
%------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,:),D)<fitness(pg,D) %求极小值
        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------------ 
t=1;
while(~(fitness(pg,D)<0.1))
%for t=1:MaxDT 
    for i=1:N 
        v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:)); 
        w=w-(0.6*i)/N;
        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); 
    t=t+1;
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：') 
pgg=pg
Result=fitness(pg,D) 
disp('*************************************************************') 
%------算法结束---DreamSun GL & HF-----------------------------------