main.m

基本的粒子群算法十分清晰 便于理解 适合初学者学习应用

%------基本粒子群优化算法（Particle Swarm Optimization）-----------

%------名称：基本粒子群优化算法（PSO）

%------作用：求解优化问题

%------说明：全局性，并行性，高效的群体智能算法

%------作者：孙明杰（[e-mail]）

%------单位：中国矿业大学理学院计算数学硕2005

%------时间：2006年8月17日 <CopyRight@dReAmsUn>

%------------------------------------------------------------------

%------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=100;            %最大迭代次数

D=10;                  %搜索空间维数（未知数个数）
n=10;                   %任务个数
m=10;                   %处理器个数

N=40;                  %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

    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,n,m);

    y(i,:)=x(i,:);

end

pg=x(1,:);             %Pg为全局最优

for i=2:N

    if fitness(x(i,:),D,n,m)<fitness(pg,D,n,m)

        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
       if i%2=0

        v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:));
         else i%2=1
        v(i,:)=(-1)*(w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:)));
         end
        x(i,:)=x(i,:)+v(i,:);

        if fitness(x(i,:),D,n,m)<p(i)

            p(i)=fitness(x(i,:),D,n,m);

            y(i,:)=x(i,:);

        end

        if p(i)<fitness(pg,D,n,m)

            pg=y(i,:);

        end

    end

    Pbest(t)=fitness(pg,D,n,m);

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,n,m)

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

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