目錄

1?主要內(nèi)容

2?部分代碼

3?效果圖

4 下載鏈接

---

1?主要內(nèi)容

很多同學(xué)在發(fā)文章時(shí)候最犯愁的就是創(chuàng)新點(diǎn)創(chuàng)新點(diǎn)創(chuàng)新點(diǎn)（重要的事情說三遍），對(duì)于采用智能算法的模型，可以采用算法改進(jìn)的方式來達(dá)到提高整個(gè)文章創(chuàng)新水平的目的，本篇分享一個(gè)效果比較好的粒子群三種算法實(shí)現(xiàn)代碼，并給出測(cè)試函數(shù)的對(duì)比效果，以供有需要的同學(xué)學(xué)習(xí)。

本次分享的程序是遺傳粒子群、混沌粒子群和基本粒子群的算法實(shí)現(xiàn)和效果對(duì)比，智能算法的創(chuàng)新以組合創(chuàng)新居多，通過兩種或多種方法的優(yōu)勢(shì)結(jié)合從而實(shí)現(xiàn)算法優(yōu)勢(shì)疊加或者彌補(bǔ)劣勢(shì)的目的，在算法尋優(yōu)性能包括尋優(yōu)速度、跳出局部最優(yōu)等方面表現(xiàn)更加突出。

2?部分代碼

clc
clear
%雜交概率：Pc
%雜交池大小比例：Sp
%最大迭代次數(shù)：M
%問題的維數(shù)：D
%目標(biāo)函數(shù)取最小值時(shí)的自變量值：xm
%目標(biāo)函數(shù)的最小值：fv
PSO;
CPSO;
%% 參數(shù)初始化
%粒子群算法中的兩個(gè)參數(shù)
c1 = 1.49445;%學(xué)習(xí)因子
c2 = 1.49445;%學(xué)習(xí)因子
wmax=0.9;%慣性因子最大值
wmin=0.4;%慣性因子最小值
D=10;%粒子維數(shù)
pc=0.5;%雜交概率
maxgen=1000;   % 迭代次數(shù)  
sizepop=20;   %種群規(guī)模
pm=0.05;%變異概率
Vmax=1;
Vmin=-1;
popmax=3;
popmin=-3;
randdata1= xlsread('randdata1');
randdata2= xlsread('randdata2');
%% 產(chǎn)生初始粒子和速度
for i=1:sizepop%隨機(jī)產(chǎn)生一個(gè)種群pop(i,:)=randdata1(1,:);    %初始化粒子位置V(i,:)=randdata2(1,:);  %初始化粒子速度%pop(i,:)=rands(1,D);    %初始種群%V(i,:)=rands(1,D);  %初始化速度fitness(i)=fun(pop(i,:));   %計(jì)算每個(gè)粒子的適應(yīng)度值
end
?
%% 個(gè)體極值和群體極值
[bestfitness bestindex]=min(fitness);
zbest=pop(bestindex,:);   %全局最佳
gbest=pop;    %個(gè)體最佳
fitnessgbest=fitness;   %個(gè)體最佳適應(yīng)度值
fitnesszbest=bestfitness;???%全局最佳適應(yīng)度值

3?效果圖

通過改變fun.m中目標(biāo)測(cè)試函數(shù)，就能得到不同測(cè)試函數(shù)的算法對(duì)比圖。

4 下載鏈接