粒子群(PSO)算法（附完整Matlab代码，可直接复制）

在粒子群优化算法中，每个解可用一只鸟（粒子）表示，目标函数就是鸟群所需要寻找的食物源。寻找最优解的过程中，粒子包含两种行为：个体行为和群体行为。

个体行为：粒子根据自身在寻优过程中的最优解更新自己的位置。

群体行为：粒子根据群体在寻优过程中的最优解更新自己的位置。

假设N个粒子组成1个粒子群，每个粒子都是一个D维向量，则每个粒子的位置为：

$x_{i} =\left\{ x_{i1} ,x_{i2} ,x_{i3},...,x_{iD}\right\} ,i=1,2,3,....,N$

将其代入适应度函数计算出适应度值，第i个粒子经历过的最优适应度值的位置记为个体历史最优：

$P_{besti} =\left\{ P_{besti1} ,P_{besti2} ,P_{besti3},...,P_{bestiD}\right\} ,i=1,2,...N$

整个粒子群经历过的最优位置记为全局最优：

$g_{besti} =\left\{ g_{besti1} ,g_{besti2} ,g_{besti3},...,g_{bestiD}\right\} ,i=1,2,...N$

第i个粒子的飞行速度记为：

$v_{i} =\left\{ v_{i1} ,v_{i2} ,v_{i3},...,v_{iD}\right\} ,i=1,2,...N$

则第t+1轮迭代后第i个粒子的第j维速度为：

$v_{ij}(t+1) =v_{ij}(t)+c_{1}r_{1}(P_{besti}(t)-x_{ij}(t))+c_{2}r_{2}(g_{bestj}-x_{ij}(t)),i=1,2,...N,j=1,2,...,D$

位置更新为：

$x_{ij}(t+1) =x_{ij}(t)+v_{ij}(t),i=1,2,...N,j=1,2,...D$

若粒子位置任何一维超出限定的上界ub和下界lb,则将其直接赋值为ub或lb。

粒子群PSO完整Matlab代码如下：

clc;
clear all;
close all;
pop=50;
dim=2;
ub=[10,10];
lb=[-10,-10];
vmax=[2,2];
vmin=[-2,-2];
maxIter=100;
fobj=@(X)fun(X);
[Best_Pos,Best_fitness,IterCurve]=pso(pop,dim,ub,lb,fobj,vmax,vmin,maxIter);
figure
plot(IterCurve,'r','linewidth',2);
grid on;
disp(['求解得到的x1，x2是:',num2str(Best_Pos(1)),' ',num2str(Best_Pos(2))]);
disp(['最优解对应的函数:',num2str(Best_fitness)]);%pop——种群数量
%定义粒子群种群初始化函数function [X]=initialization(pop,ub,lb,dim)for i=1:popfor j=1:dimX(i,j)=(ub(j)-lb(j))*rand()+lb(j);%在限定的  end end
endfunction fitness=fun(x)fitness=sum(x.^2);
endfunction [X]=BoundaryCheck(X,ub,lb,dim)for i=1:dimif X(i)>ub(i)X(i)=ub(i);endif X(i)<lb(i)X(i)=lb(i);endend
endfunction [Best_Pos,Best_fitness,IterCurve]=pso(pop,dim,ub,lb,fobj,vmax,vmin,maxIter)
c1=2.0;
c2=2.0;
V=initialization(pop,vmax,vmin,dim);
X=initialization(pop,ub,lb,dim);
fitness=zeros(1,pop);
for i=1:popfitness(i)=fobj(X(i,:));
end
pBest=X;
pBestFitness=fitness;
[~,index]=min(fitness);
gBestFitness=fitness(index);
gBest=X(index,:);
Xnew=X;
fitnessNew=fitness;
for t=1:maxIterfor i=1:popr1=rand(1,dim);r2=rand(1:dim);V(i,:)=V(i,:)+c1.*r1.*(pBest(i,:)-X(i,:))+c2.*r2.*(gBest-X(i,:));V(i,:)=BoundaryCheck(V(i,:),vmax,vmin,dim);Xnew(i,:)=X(i,:)+V(i,:);fitnessNew(i)=fobj(Xnew(1,:));if fitnessNew(i)<pBestFitness(i)pBest(i,:)=Xnew(i,:);pBestFitness(i)=fitnessNew(i);endif fitnessNew(i)<gBestFitnessgBestFitness=fitnessNew(i);gBest=Xnew(i,:);endendX=Xnew;fitness=fitnessNew;Best_Pos=gBest;Best_fitness=gBestFitness;IterCurve(t)=gBestFitness;
end
end

粒子群(PSO)算法（附完整Matlab代码，可直接复制）相关推荐

果蝇（FOA）优化算法(附完整Matlab代码，可直接复制）
果蝇优化算法的核心是利用果蝇搜索实物的机制来对问题进行寻优.果蝇根据气味来确定食物的位置,食物腐烂程度越高,气味越大,果蝇对其越敏感.果蝇的觅食行为如下图: Fig1. 果蝇觅食行为示意图 1.果蝇位 ...
灰狼（GWO）算法（附完整Matlab代码，可直接复制）
尊重他人劳动成果,请勿转载! 有问题可留言或私信,看到了都会回复解答! 其他算法请参考: 1.粒子群(PSO)优化算法(附完整Matlab代码,可直接复制)https://blog.csdn.net/ ...
粒子群(pso)算法详解matlab代码,粒子群(pso)算法详解matlab代码
粒子群(pso)算法详解matlab代码 (1)---- 一.粒子群算法的历史粒子群算法源于复杂适应系统(Complex Adaptive System,CAS).CAS理论于1994年正式提出,C ...
【优化算法】细菌粒子群优化算法【含Matlab源码 1195期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[优化算法]细菌粒子群优化算法[含Matlab源码 1195期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2: 付费专栏Mat ...
改进粒子群优化算法(IWAPSO)的MATLAB源程序
改进粒子群优化算法(IWAPSO)的MATLAB源程序作者:aaron8967 主页:http://aaron8967.blog.51cto.com 说明:粒子群优化算法(Particle S ...
改进粒子群优化算法(PURPSO)的MATLAB源程序
改进粒子群优化算法(PURPSO)的MATLAB源程序作者:aaron8967 主页:http://aaron8967.blog.51cto.com 说明:粒子群优化算法(Particle S ...
java 对音频文件降噪_（转）音频降噪算法附完整C代码
转:https://www.cnblogs.com/cpuimage/p/8905965.html 降噪是音频图像算法中的必不可少的. 目的肯定是让图片或语音更加自然平滑,简而言之,美化. 图像算法 ...
音频降噪算法附完整C代码
本文转载自博客:https://cloud.tencent.com/developer/article/1117226 降噪是音频图像算法中的必不可少的. 目的肯定是让图片或语音更加自然平滑,简而言 ...
wav文件降噪c语言,音频降噪算法附完整C代码
降噪是音频图像算法中的必不可少的. 目的肯定是让图片或语音更加自然平滑,简而言之,美化. 图像算法和音频算法都有其共通点. 图像是偏向空间处理,例如图片中的某个区域. 图像很多时候是以二维数据 ...

粒子群(PSO)算法（附完整Matlab代码，可直接复制）

相关阅读：

粒子群(PSO)算法（附完整Matlab代码，可直接复制）相关推荐

最新文章

热门文章