粒子群算法matlab代码

 

实验目的：

 

验证课本例6.1，理解粒子群算法

 

实验平台：

 

硬件：笔记本电脑。

软件：MATLAB2010

 

实验内容：

M文件：

 

%粒子群算法

%日期：

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%种群大小：3

%循环次数：N

N=1000;

w=0.5;

c1=2;

c2=2;

%初始化：

v1=[3 2];

x1=[8,-5];

v2=[-3 -2];

x2=[-5,9];

v3=[5 3];

x3=[-7,-8];

f1=x1(1)^2+x1(2)^2;

pBest1=x1;

f2=x2(1)^2+x2(2)^2;

pBest2=x2;

f3=x3(1)^2+x3(2)^2;

pBest3=x3;

[fmin x]=min([f1 f2 f3]);

if(x==1)

    gBest=pBest1;

end

if(x==2)

    gBest=pBest2;

end

if(x==3)

    gBest=pBest3;

end

j=1;

fj=zeros(1,N);

for i=1:N

%粒子的速度和位置更新：

v1=w*v1+c1*rand*(pBest1-x1)+c2*rand*(gBest-x1);

x1=x1+v1;

%合法性调整

if(x1(1)>10)

    x1=[10,x1(2)];

end

if(x1(1)

    x1=[-10,x1(2)];

end

if(x1(2)>10)

    x1=[x1(1),10];

end

if(x1(2)

    x1=[x1(1),-10];

end

v2=w*v2+c1*rand*(pBest2-x2)+c2*rand*(gBest-x2);

x2=x2+v2;

%合法性调整

if(x2(1)>10)

    x2=[10,x2(2)];

end

if(x2(1)

    x2=[-10,x2(2)];

end

if(x2(2)>10)

    x2=[x2(1),10];

end

if(x2(2)

    x2=[x2(1),-10];

end

v3=w*v3+c1*rand*(pBest3-x3)+c2*rand*(gBest-x3);

x3=x3+v3;

%合法性调整

if(x3(1)>10)

    x3=[10,x3(2)];

end

if(x3(1)

    x3=[-10,x3(2)];

end

if(x3(2)>10)

    x3=[x3(1),10];

end

if(x3(2)

    x3=[x3(1),-10];

end

%评估粒子的适应度函数值，更新粒子的历史最优位置和全局的最优位置

f1_temp=x1(1)^2+x1(2)^2;

if(f1_temp

    f1=f1_temp;

    pBest1=x1;

end

f2_temp=x2(1)^2+x2(2)^2;

if(f2_temp

    f2=f2_temp;

    pBest2=x2;

end

f3_temp=x3(1)^2+x3(2)^2;

if(f3_temp

    f3=f3_temp;

    pBest3=x3;

end

[fmin x]=min([f1 f2 f3]);

if(x==1)

    gBest=pBest1;

end

if(x==2)

    gBest=pBest2;

end

if(x==3)

    gBest=pBest3;

end

fj(j)=fmin;

j=j+1;

end

gBest

y=fmin

 x=1:N;

  y1=fj(x);

  plot(x,y1);

 

实验分析：

迭代次数为10次：

迭代次数为100次：

迭代次数为1000次：        

精度方面;

观察图像，可以看到10次迭代效果显著，100次迭代结果达到很好的精度，1000次几乎看不见前期迭代函数值，表明远不需要太大的迭代次数，结果均收敛。

时间方面：

经过多次试验，迭代时间都在一秒内完成，算法效率高。

 

实验总结：

 

个人认为该算法与前两次实验算法比较，有如下优点

1. 在可接受的误差范围内非常快速的收敛；
2. 运行速度也很快；
3. 代码量小；
4. 结构简单，容易实现；

本例为两输入，一输出，实验证明，粒子群算法简单易实现，达到了本例的预期效果，结果快速收敛到目标值。在解决该类问题上是一种优异的算法

 

完成日期：2017.6.1

---

当年的计算智能课作业

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览34471 人正在系统学习中