粒子群優化演算法(pso 的matlab執行程式謝謝大家啦

2021-08-02 04:14:22 字數 1776 閱讀 6486

1樓:

%不知道你具體的問題是什麼,下面是一個最基本的pso演算法解決函式極值問題,如果是一些大型的問題,需要對速度、慣性常數、和自適應變異做進一步優化,希望對你有幫助

function y = fun(x)

y=-20*exp(-0.2*sqrt((x(1)^2+x(2)^2)/2))-exp((cos(2*pi*x(1))+cos(2*pi*x(2)))/2)+20+2.71289;

%下面是主程式

%% 清空環境

clcclear

%% 引數初始化

%粒子群演算法中的兩個引數

c1 = 1.49445;

c2 = 1.49445;

maxgen=200; % 進化次數

sizepop=20; %種群規模

vmax=1;%速度限制

vmin=-1;

popmax=5;%種群限制

popmin=-5;

%% 產生初始粒子和速度

for i=1:sizepop

%隨機產生一個種群

pop(i,:)=5*rands(1,2); %初始種群

v(i,:)=rands(1,2); %初始化速度

%計算適應度

fitness(i)=fun(pop(i,:)); %染色體的適應度

end%找最好的染色體

[bestfitness bestindex]=min(fitness);

zbest=pop(bestindex,:); %全域性最佳

gbest=pop; %個體最佳

fitnessgbest=fitness; %個體最佳適應度值

fitnesszbest=bestfitness; %全域性最佳適應度值

%% 迭代尋優

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,:)popmax))=popmax;

pop(j,find(pop(j,:)0.8

k=ceil(2*rand);%ceil朝正無窮大方向取整

pop(j,k)=rand;

end%適應度值

fitness(j)=fun(pop(j,:));

%個體最優更新

if fitness(j) < fitnessgbest(j)

gbest(j,:) = pop(j,:);

fitnessgbest(j) = fitness(j);

end%群體最優更新

if fitness(j) < fitnesszbest

zbest = pop(j,:);

fitnesszbest = fitness(j);

endend

yy(i)=fitnesszbest;

end%% 結果分析

plot(yy)

title(['適應度曲線 ' '終止代數=' num2str(maxgen)]);

xlabel('進化代數');ylabel('適應度');

2樓:匿名使用者

問題補充:所需的svmmatlab程式有c版本的和matlab由於此演算法精度高,採取措施對誤差進行抑制,所以其實現原理也較複雜。該演算法

粒子群優化模糊PID控制的量化因子和比例因子出現問題?請問能幫忙看看麼

題主還有這個程式麼,求發,很急 謝謝了 1270459033 qq.com 可有償提供 模糊pid控制中的論域以及量化因子 比例因子怎麼設定啊?你的圖沒看懂,說下圖之外的東西吧 粒子群演算法作為搜尋演算法,你想搜尋的引數有三個ke,kec,ku,那就設定每個粒子的維數是3,分別代表ke,kec,ku...