main.m

标准的粒子群优化程序框架有助于初学者编程。

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=10000;            %最大迭代次数

D=10;                  %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)------------

FieldD=[rep([20],[1,D]);rep([-100;250],[1, D]);rep([1;0;1;1],[1,D])]
Chrom=crtbp(N, D*20);                       %创建初始种群
                                             %代计数器
x=bs2rv(Chrom, FieldD);

FieldD1=[rep([20],[1,D]);rep([-100;250],[1, D]);rep([1;0;1;1],[1,D])]
Chrom=crtbp(N, D*20);                       %创建初始种群
                                             %代计数器
v=bs2rv(Chrom, FieldD1);
%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 & HF-----------------------------------