PSO算法matlab代码

下面是一个简单的PSO算法的Matlab代码，实现了对Rosenbrock函数的优化： ```matlab % PSO算法实现对Rosenbrock函数的优化 clear; clc; close all; % 设置参数 nPop = 50; % 种群大小 maxIter = 1000; % 最大迭代次数 wMax = 0.9; % 惯性权重上限 wMin = 0.4; % 惯性权重下限 c1 = 2; % 学习因子1 c2 = 2; % 学习因子2 Vmax = 4; % 粒子速度上限 % 初始化种群 dim = 2; % 变量维数 xMax = 2; % 变量上限 xMin = -2; % 变量下限 x = repmat(xMin, nPop, dim) + rand(nPop, dim) .* repmat((xMax - xMin), nPop, 1); v = zeros(nPop, dim); pBest = x; fPbest = zeros(nPop, 1); for i = 1:nPop fPbest(i) = rosenbrock(pBest(i,:)); end [~, gBestIndex] = min(fPbest); gBest = pBest(gBestIndex,:); % 迭代优化 for iter = 1:maxIter % 更新速度和位置 w = wMax - (wMax - wMin) * iter / maxIter; % 更新惯性权重 for i = 1:nPop v(i,:) = w * v(i,:) + c1 * rand(1,dim) .* (pBest(i,:) - x(i,:)) + c2 * rand(1,dim) .* (gBest - x(i,:)); % 更新速度 v(i,:) = max(min(v(i,:), Vmax), -Vmax); % 限制速度范围 x(i,:) = x(i,:) + v(i,:); % 更新位置 x(i,:) = max(min(x(i,:), xMax), xMin); % 限制位置范围 end % 更新个体最优解和全局最优解 for i = 1:nPop f = rosenbrock(x(i,:)); if f < fPbest(i) pBest(i,:) = x(i,:); fPbest(i) = f; end end [~, gBestIndex] = min(fPbest); gBest = pBest(gBestIndex,:); % 显示迭代过程 disp(['Iteration ' num2str(iter) ': Best Cost = ' num2str(fPbest(gBestIndex))]); end % 画出优化结果 x1 = linspace(xMin, xMax, 100); x2 = linspace(xMin, xMax, 100); [X1,X2] = meshgrid(x1,x2); F = rosenbrock([X1(:) X2(:)]); F = reshape(F,length(x2),length(x1)); contour(X1,X2,F,50); hold on; scatter(pBest(:,1), pBest(:,2), 'r.'); scatter(gBest(1), gBest(2), 'ko', 'LineWidth', 2); title(['Minimum of Rosenbrock Function = ' num2str(rosenbrock(gBest))]); xlabel('x_1'); ylabel('x_2'); ``` 其中，rosenbrock函数为： ```matlab function f = rosenbrock(x) % 计算Rosenbrock函数的值 % x: 变量向量 % f: Rosenbrock函数的值 f = sum(100 * (x(:,2:end) - x(:,1:end-1).^2).^2 + (1 - x(:,1:end-1)).^2, 2); end ``` 这里只是一个简单的PSO算法实现，实际应用中需要根据具体问题进行参数调整和改进。