PSO.zip_PSO_粒子群算法_粒子群算法代码

clear clc %% 参数初始化 % 粒子群算法中的两个参数 c1 = 1.49445; c2 = 1.49445; maxgen = 200; % 进化次数 sizepop = 20; % 种群规模 Vmax = 1; Vmin = -1; popmax = 5; popmin = -5; %% 产生初始粒子和速度 for i = 1:sizepop % 随机产生一个种群 pop(i,:) = 5 * rands(1,2); % 初始种群位置 V(i,:) = rands(1,2); % 初始化速度 % 计算适应度 fitness(i) = fun(pop(i,:)); % 适应度值 end % 找最好的适应度值 [bestfitness bestindex] = min(fitness); zbest = pop(bestindex,:); % 全局最佳 gbest = pop; % 个体最佳 fitnessgbest = fitness; % 个体最佳适应度值 fitnesszbest = bestfitness; % 全局最佳适应度值 %% 迭代寻优 for i = 1:maxgen for j = 1:sizepop % 速度更新 V(j,:) = V(j,:) + c1*rand*(gbest(j,:) - pop(j,:)) + c2*rand*(zbest - pop(j,:)); V(j,find(V(j,:)>Vmax)) = Vmax; V(j,find(V(j,:)<Vmin)) = Vmin; %种群更新 pop(j,:) = pop(j,:) + 0.5*V(j,:); pop(j,find(pop(j,:)>popmax)) = popmax; pop(j,find(pop(j,:)<popmin)) = popmin; % 自适应变异 % if rand > 0.8 % k = ceil(2*rand); % pop(j,k) = rand; % end % 适应度值 fitness(j) = fun(pop(j,:)); end % 个体最优更新 if fitness(j) < fitnessgbest(j) gbest(j,:) = pop(j,:); fitnessgbest(j) = fitness(j); end % 群体最优更新 if fitness(j) < fitnesszbest zbest = pop(j,:); fitnesszbest = fitness(j); end yy(i) = fitnesszbest; end %% 结果分析 plot(yy); title(['适应度曲线 ' '终止代数=' num2str(maxgen)]); xlabel('进化代数'); ylabel('适应度');