标准PSO算法源代码(matlab)

标准PSO算法源代码（matlab%标准粒群优化算法程序%2007.1.9Byjxy%测试函数：f(x,y)=100(x^2-y)^2+(1-x)^2,-2.048x,y2.048%求解函数最小值globalpopsize;%种群规模%globalpopnum;%种群数量globalpop;%种群%globalc0;%速度惯性系数,为0—1的随机数globalc1;%个体最优导向系数globalc2;%全局最优导向系数globalgbest_x;%全局最优解x轴坐标globalgbest_y;%全局最优解y轴坐标globalbest_fitness;%最优解globalbest_in_history;%最优解变化轨迹globalx_min;%x的下限globalx_max;%x的上限globaly_min;%y的下限globaly_max;%y的上限globalgen;%迭代次数globalexetime;%当前迭代次数globalmax_velocity;%最大速度initial;%初始化forexetime=1:genoutputdata;%实时输出结果adapting;%计算适应值errorcompute();%计算当前种群适值标准差updatepop;%更新粒子位置pause(0.01);endcleari;clearexetime;clearx_max;clearx_min;cleary_min;cleary_max;%程序初始化gen=100;%设置进化代数popsize=30;%设置种群规模大小best_in_history(gen)=inf;%初始化全局历史最优解best_in_history(=inf;%初始化全局历史最优解max_velocity=0.3;%最大速度限制best_fitness=inf;%popnum=1;%设置种群数量pop(popsize,8)=0;%初始化种群,创建popsize行5列的0矩阵%种群数组第1列为x轴坐标，第2列为y轴坐标，第3列为x轴速度分量，第4列为y轴速度分量%第5列为个体最优位置的x轴坐标，第6列为个体最优位置的y轴坐标%第7列为个体最优适值，第8列为当前个体适应值fori=1:popsizepop(i,1)=4*rand()-2;%初始化种群中的粒子位置，值为-2—2，步长为其速度pop(i,2)=4*rand()-2;%初始化种群中的粒子位置，值为-2—2，步长为其速度pop(i,5)=pop(i,1);%初始状态下个体最优值等于初始位置pop(i,6)=pop(i,2);%初始状态下个体最优值等于初始位置pop(i,3)=rand()*0.02-0.01;%初始化种群微粒速度，值为-0.01—0.01，间隔为0.0001pop(i,4)=rand()*0.02-0.01;%初始化种群微粒速度，值为-0.01—0.01，间隔为0.0001pop(i,7)=inf;pop(i,8)=inf;endc1=2;c2=2;x_min=-2;y_min=-2;x_max=2;y_max=2;gbest_x=pop(1,1);%全局最优初始值为种群第一个粒子的位置gbest_y=pop(1,2);%适值计算%测试函数为f(x,y)=100(x^2-y)^2+(1-x)^2,-2.048x,y2.048%计算适应值并赋值fori=1:popsizepop(i,8)=100*(pop(i,1)^2-pop(i,2))^2+(1-pop(i,1))^2;ifpop(i,7)pop(i,8)%若当前适应值优于个体最优值，则进行个体最优信息的更新pop(i,7)=pop(i,8);%适值更新pop(i,5:6)=pop(i,1:2);%位置坐标更新endend%计算完适应值后寻找当前全局最优位置并记录其坐标ifbest_fitnessmin(pop(:,7))best_fitness=min(pop(:,7));%全局最优值gbest_x=pop(find(pop(:,7)==min(pop(:,7))),1);%全局最优粒子的位置gbest_y=pop(find(pop(:,7)==min(pop(:,7))),2);endbest_in_history(exetime)=best_fitness;%记录当前全局最优%实时输出结果%输出当前种群中粒子位置subplot(1,2,1);fori=1:popsizeplot(pop(i,1),pop(i,2),'b*');holdon;endplot(gbest_x,gbest_y,'r.','markersize',20);axis([-2,2,-2,2]);holdoff;subplot(1,2,2);axis([0,gen,-0.00005,0.00005]);ifexetime-10line([exetime-1,exetime],[best_in_history(exetime-1),best_fitness]);holdon;end%粒子群速度与位置更新%更新粒子速度fori=1:popsizepop(i,3)=rand()*pop(i,3)+c1*rand()*(pop(i,5)-pop(i,1))+c2*rand()*(gbest_x-pop(i,1));%更新速度pop(i,4)=rand()*pop(i,4)+c1*rand()*(pop(i,6)-pop(i,2))+c2*rand()*(gbest_x-pop(i,2));ifabs(pop(i,3))max_velocityifpop(i,3)0pop(i,3)=max_velocity;elsepop(i,3)=-max_velocity;endendifabs(pop(i,4))max_velocityifpop(i,4)0pop(i,4)=max_velocity;elsepop(i,4)=-max_velocity;endendend%更新粒子位置fori=1:popsizepop(i,1)=pop(i,1)+pop(i,3);pop(i,2)=pop(i,2)+pop(i,4);end