pso1.txt

基本粒子群优化算法（pso）,用matlab编写的PSO源程序

format long; 
a=-10;%搜索空间
b=10;
n=0;
m=1;
c1=2;             %学习因子1 
c2=2;             %学习因子2 
% w1=1;   
% w2=0.4
w=0.5;%惯性权重 
MaxDT=4000;            %最大迭代次数 
D=2;                  %搜索空间维数（未知数个数） 
N=50;   
pg=[];%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 
       for j=1:D 
        x(i,j)=rand*(b-a)+a;  %随机初始化位置 
        v(i,j)=rand*(b-a)+a; %随机初始化速度 
    end 
end 
%XX=x(1,1:D)
%------先计算各个粒子的适应度，并初始化Pi和Pg---------------------- 
for i=1:N 
    p(i)=fitness1(x(i,1:D));
    y(i,1:D)=x(i,1:D); 
end 
pg=x(1,1:D);           %Pg为全局最优 
for i=2:N 
    if fitness1(x(i,1:D))<fitness1(pg) %求极小值
        pg=x(i,1:D); 
    end 
end 
%进入主要循环，按照公式依次迭代 
t=1; 
while(t<MaxDT )
% while 1
    for i=1:N 
%         w=(w1-t)*(w1-w2)/MaxDT;
        v(i,1:D)=w*v(i,1:D)+c1*rand*(y(i,1:D)-x(i,1:D))+c2*rand*(pg-x(i,1:D));         
        x(i,1:D)=x(i,1:D)+v(i,1:D);         
        if fitness1(x(i,1:D))<p(i) 
            p(i)=fitness1(x(i,1:D)); 
            y(i,1:D)=x(i,1:D); 
        end 
        if p(i)<fitness1(pg) 
            pg=y(i,1:D); 
        end 
    end   
    gg= 0;
     abs(gg-fitness1(pg))
    if abs(gg-fitness1(pg))<10^(-10)
    break;
 end
    t=t+1;
end 
%计算结果 
%pgg=pg
t
Result=fitness1(pg)