pso.cpp

一种PSO优化的基本算法。加以修改可用于很多地方。

#include  <stdio.h>
#include  <stdlib.h>
#include  <time.h>
#include  <math.h>

//随即数定义
#define rdint(i) (rand()%(int)(i))
#define rdft() (double)rdint(16384)/(16383.0)
#define rnd(a,b) (double)(rdint((int)(b)-(int)(a)+1)+(int)(a))

//宏定义
#define POPSIZE 20
#define DIMENSION 2
#define C1 1.8
#define C2 1.8
#define VMAX 2.0
#define XMIN -2.0
#define XMAX 2.0
//全局变量定义

double  W=1.0;

double P[DIMENSION];
double PBEST;

struct indi
{
	double number[DIMENSION];
	double best[DIMENSION];
	double bestfitness;
	double fitness;
	double speed[DIMENSION];
}individual[POPSIZE];

void initiate(void);
void calcuation(int number);
void globalbest(int number);
void localbest(int number);

//程序初始化定义
void initiate()
{
	int i,j;
	for(i=0;i<POPSIZE;i++)
		for(j=0;j<DIMENSION;j++)
			individual[i].number[j]=rdft()*(XMAX-XMIN)+XMIN;//粒子位置初始化
     for(i=0;i<POPSIZE;i++)
		for(j=0;j<DIMENSION;j++)
			individual[i].speed[j]=VMAX*rdft();//速度初始化
     for(i=0;i<POPSIZE;i++)
		for(j=0;j<DIMENSION;j++)
			individual[i].best[j]=individual[i].number[j];//最优位置初始化为个粒子的初始位置
     for(i=0;i<POPSIZE;i++)
		 calcuation(i);//计算每个粒子适应度
	  for(i=0;i<POPSIZE;i++)
		individual[i].bestfitness=individual[i].fitness;//自身最优适应度初始化为粒子初始适应度
	  globalbest(0);//全局最优初始化
}

//微粒历史最优位置修改程序
void localbest(int number)
{
	int i;
	if(individual[number].bestfitness>individual[number].fitness)
		for(i=0;i<DIMENSION;i++)
			individual[number].best[i]=individual[number].number[i];
	individual[number].bestfitness=individual[number].fitness;
}

//微粒历史最优位置修改程序
void globalbest(int number)
{
	int i,j;
	double s=0;
	int flag=0;
	if(number==0)
	{
		s=individual[0].fitness;//第0个粒子适应值
		flag=0;
		for(i=1;i<POPSIZE;i++)
			if(individual[i].fitness<s)
			{
				s=individual[i].fitness;//s中记录最优适应值
				flag=i;//记住最优适应值粒子序号
			}
		for(i=0;i<DIMENSION;i++)
			P[i]=individual[flag].number[i];
		PBEST=individual[flag].fitness;
	}//全局最优值初始化为初始例子中适应度最好的.
	else
	{
		for(i=0;i<POPSIZE;i++)
			if(individual[i].bestfitness<PBEST)
			{
				for(j=0;j<DIMENSION;j++)
					P[j]=individual[i].best[j];
				PBEST=individual[i].bestfitness;
			}
	}
}


//适应值函数计算程序 一个粒子
void calcuation(int number)
{
	double s=0.0,h=0.0;
	s=pow(individual[number].number[0]+individual[number].number[1]+1.0,2.0)*(19.0-14.0*individual[number].number[0]+3.0*pow(individual[number].number[0],2.0)-14.0*individual[number].number[1]+6.0*individual[number].number[0]*individual[number].number[1]+3.0*pow(individual[number].number[1],2.0))+1.0;
    h=30.0+pow(2.0*individual[number].number[0]-3.0*individual[number].number[1],2.0)*(18.0-32.0*individual[number].number[0]+12.0*pow(individual[number].number[0],2.0)+48.0*individual[number].number[1]-36.0*individual[number].number[0]*individual[number].number[1]+27.0*pow(individual[number].number[1],2.0));
    individual[number].fitness=s*h;
}


//主程序
void main()
{
	int i,j,k,t,total=0;
	double sum=0;
	for(j=0;j<50;j++)
    {
		initiate();
		for(i=0;i<500;i++)//训练周期
		{
			W=1.0-i*0.6/499;

			if((PBEST-3.0)<0.0001)//若训练出的全局最优-3<0.001
			{
				total++;//计算这样条件的个数
				sum=sum+i;//i是第几个循环.
				break;
			}
			else
			{
				for(k=0;k<POPSIZE;k++)
				{
					for(t=0;t<DIMENSION;t++)
					{
						individual[k].speed[t]=W*individual[k].speed[t]+C1*rdft()*(individual[k].best[t]-individual[k].number[t])+C2*rdft()*(P[t]-individual[k].number[t]);
	                    if(individual[k].speed[t]>VMAX)
							individual[k].speed[t]=VMAX;
						individual[k].number[t]=individual[k].number[t]+individual[k].speed[t];
						if(individual[k].number[t]<XMIN)
							individual[k].number[t]=2*XMIN-individual[k].number[t];
						if(individual[k].number[t]>XMAX)
							individual[k].number[t]=2*XMAX-individual[k].number[t];
					}
					calcuation(k);//
					localbest(k);//自身最优
				}
				globalbest(1);//全局最优
			}
		}
		printf("%d,%f\t",i,PBEST);//i为500次循环后记录得到最优全局最优时是哪次循环，PBEST记录这次得到的最优值
	}
	printf("Total number is%d\n",total);
	printf("sum is %f\n",sum);
	printf("Average is %f\n",sum/total);
}