main.m

PSO粒子群算法

                  %------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=1000;            %最大迭代次数
                  D=6;                  %搜索空间维数（未知数个数）
                  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);
                      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)
                          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
                          
                  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,:),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);
                  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)
                  disp('*************************************************************')
                  %------算法结束---DreamSun GL &