二维粒子群算法的matlab源程序.docx

%function [pso F] = pso_2D()?% FUNCTION PSO ?--------USE Particle Swarm Optimization Algorithm?% global present;?% close all;?clc;?clear all;?pop_size = 10; ? ? ? ? ? ? ? ? ?% ? pop_size 种群大小 ///粒子数量?part_size = 2; ? ? ? ? ? ? ? ? % ? part_size 粒子大小 ///粒子的维数 ?gbest = zeros(1,part_size+1); ? % ? gbest 当前搜索到的最小的值 ?max_gen = 200; ? ? ? ? ? ? ? ? ?% ? max_gen 最大迭代次数??%best=zeros(part_size,pop_size*part_size);%xuan???region=zeros(part_size,2); ? ? ?% 设定搜索空间范围-解空间?region=10*[-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3]; % 每一维设定不同范围(称之为解空间，不是可行域空间）??rand(state,sum(100*clock)); ? % 重置随机数发生器状态??%当前种群的信息矩阵，逐代进化的群体 % 当前位置,随机初始化?% 一个10*3的随机的矩阵（初始化所有粒子的所有维数的位置值），其中最后一列为 ??arr_present = ini_pos(pop_size,part_size); ??? ? ? ? ??% 初始化当前速度 ?% 一个10*2的随机的矩阵（初始化所有粒子的所有维数的速度值） ?v=ini_v(pop_size,part_size); ???%不是当前种群，可看作是一个外部的记忆体，存储每个粒子历史最优值（2维数值）：根据适应度更新！?%注意：pbest数组10*3 ?最后一列保存的是适应度?pbest = zeros(pop_size,part_size+1); ? ?% pbest：粒子以前搜索到的最优值，最后一列包括这些值的适应度??% 1*80 保存每代的最优值?best_record = zeros(part_size+1,max_gen); ? ? ? ? % best_record数组：记录每一代的最好的粒子的适应度??w_max = 0.9; ? ? ? ? ?% ?w_max权系数最大值?w_min = 0.2; ? ? ? ? ?% ?w_min权系数最小值?v_max = 2; ? ? ? ? ? ?% ?最大速度,为粒子的范围宽度?c1 = 2; ? ? ? ? ? ? ? % ?学习因子1?c2 = 2; ? ? ? ? ? ? ? % ?学习因子2??% ————————————————————————?% ? 计算原始种群的适应度,及初始化?% ————————————————————————?% 注意：传入的第一个参数是当前的粒子群体，ini_fit函数计算每个粒子的适应度?% arr_present(:,end)是最后一列，保存每个粒子的适应值，是这样的！xuan?arr_present(:,end)= ini_fit( arr_present, pop_size, part_size );??% 数组赋值，初始化每个粒子个体的历史最优值，以后会更新的 ?pbest = arr_present; ? ? ? ? % 初始化各个粒子最优值??% 找到当前群体中适应度最小的（在最后一列中寻找），best_value?% 改为max，表示关联度最大?[best_value best_index] = max(arr_present(:,end)); %初始化全局最优，即适应度为全局最小的值，根据需要也可以选取为最大值??% 唯一的全局最优值，是当前代所有粒子中最好的一个?gbest = arr_present(best_index,:);???% 因为是多目标，因此这个-----------------?% 只是示意性的画出3维的?%x=[-3:0.01:3];?%y=[-3:0.01:3];?%[X,Y]=meshgrid(x,y);?%Z1=(-10)*exp((-0.2)*sqrt(X^2+Y^2));?%Z2=(abs(X))^0.8+abs(Y)^0.8+5*sin(X^3)+5*sin(Y^3);??%z1=@(x,y)(-10)*exp((-0.2)*sqrt(x^2+y^2));?%z2=@(x,y)(abs(x))^0.8+abs(y)^