u.m

是pso算法tsp问题！！ ！！ ！！1

%函数定义行
function [fxmin, xmin, Swarm, history] = pso()
%全局变量的初始化: 
av=0; %平均值


ub=600; %函数的上界
lb = 300;%函数的下界
SwarmSize = 40; %种群大小
Dim=10;  %微粒的维数
c1=2; 
c2=2;
Vmax=100; %微粒的最大速度
GM = 0;  %全局最小值，是停止判断标准
ErrGoal = 1e-10; %期望标准值
Iterations=1500-1;


success=0;
iter = 0;  
step=0;
fevals = 0; %功能评价值

%惯性权重权重的初始化以及迭代变化的规则
W1 = 0.9; % 惯性权重权重的开始值
w2 = 0.4; %惯性权重权重的最后值
w_varyfor = floor(0.7*Iterations);% 惯性权重在整个迭代中的变化步长
w_now = W1;
inertdec = (W1-w2)/w_varyfor; %惯性权重在每次迭代中的时的递减率

% Initialize Swarm and Velocity

Swarm = rand(SwarmSize, Dim)*(ub-lb) +lb; %微粒位置随机初始化:
VStep = rand(SwarmSize, Dim); %微粒速度随机初始化:



%测试函数：Griewank函数
indices=repmat(1:Dim,SwarmSize,1);
fSwarm=sum(((Swarm.^2) / 4000)')' - prod(cos(Swarm ./ sqrt(indices))')' + 1;  
fevals = fevals + SwarmSize;

%初始化后最好微粒的相关数据
PBest = Swarm;
fPBest = fSwarm;

%找到初始微粒群体的最好微粒
[fGBest, g] = min(fSwarm);
lastbpf = fGBest;
Best = Swarm(g,:); %用于保存最优值
fBest = fGBest;
history = [0, fGBest];

disp(sprintf('Iterations\t\tfGBest\t\t\tfevals'));
                        
%循环
iiter=0;
while( ((success==0)&iter <= Iterations))
    iter = iter+1; 
    
   % 更新惯性权重的值
    if (iter<=w_varyfor) & (iter > 1)
        w_now = w_now - inertdec; 
    end
  
A= repmat(Swarm(g,:), SwarmSize, 1);
  
   %生成随机数
    R1 = rand(SwarmSize, Dim);
    R2 = rand(SwarmSize, Dim);
    
    %利用速度进化方程进行进化
    VStep = w_now*VStep + c1*R1.*(PBest-Swarm) + c2*R2.*(A-Swarm);

    %对进化后速度大于最大速度的微粒进行处理 
    changeRows = VStep > Vmax;
VStep(find(changeRows)) =Vmax;
%对进化后速度小于最小速度的微粒进行处理 
 changeRows = VStep < -Vmax;
    VStep(find(changeRows)) = -Vmax;
    
    %微粒位置进行更新
   Swarm = Swarm + 1.0 * VStep;

indices=repmat(1:Dim,SwarmSize,1);
fSwarm=sum(((Swarm.^2) / 4000)')' - prod(cos(Swarm ./ sqrt(indices))')' + 1;  
fevals = fevals + SwarmSize;

% 更新每个微粒的最好位置
    changeRows = fSwarm < fPBest;
    fPBest(find(changeRows)) = fSwarm(find(changeRows));%适应值跟换
    PBest(find(changeRows), :) = Swarm(find(changeRows), :);%粒子位置跟换
    
    lastbpart = PBest(g, :);%保存最好位置
   
   [fGBest, g] = min(fPBest);  % 保存最好适应值
 
    if fGBest < lastbpf    %如果本次适应值好于上次则保存
        [fBest, b] = min(fPBest);%最好适应值为fBest
        Best = PBest(b,:);%最好位置为Best
    end
   
           thesum(gg,iter)=fBest;
    
        disp(sprintf('%4d\t\t\t%.5g\t\t\t%5d', iter, fGBest, fevals));
        
        iiter=iiter+1;
         
        x(iiter)=iiter;
       % y(iiter)=fGBest;
        y(iiter)=fBest;