粒子群算法

fucntin moan()

clc;ileac rlalclos;ea ll;t

i;c %程 序运计时行

0=0.0E01 ; 允%许差误M

axNmu=00; 1 粒%子大最迭次数代

narvs=1 ; 目标函%的自变数量数个p

raitclesiz=30e ; % 子群粒模规c1=2

; %每个 粒的子体个习因子学也称,加速为常数

c2=2; 每个粒%的子社会习学因子,称也为速常加

w数=.60 ; %惯性因 子

vamx0.=8; % 粒的子最飞翔速大度

=-5x1+0r*and(paritcesilezn,ras); v % 粒子在的所置

位v=2ra*dnpar(ictleszei,anvr);s %粒 的飞子速翔

%度i用niln定义e适度函应数以便子函数文将件与主序文程件在放一,起%目标

数函:y=是1(2.+1*1(x+-2*x.2^.)e*x(-x.p^22/))%

iniln命e定令适义应度数函下如:fit

enss=ilinn('1/e(+(121.*(1-+x*x2^2..)e*xp-x.(2^/2)))''x');

%,inlne定i义适应的函度数会使序程运行度速大降大低for

i =:1arpitclsizee

fo j=r1:nrvasf(

)i=itnfse(s(i,x));

enj

enddp

resnoabestlx=_;x

prsenaoblset_afvl=af;[

glbolbest_aafval i=]mniperso(anlbse_favtal;)

lgobablsetx_pe=rsnoabels_xti(:),;k=1

;

hiwel

orfi =:1arptclisizee

or fj1=na:rv

s(if)=fintsse(x(i,j));

ndei

f(f)

persnolbesta_avalf(i=f)i()

;prsenaolbste_x(,:i)=(ix,:;)

ed

nnde[

logalbesbt_avflai ]=mn(iprsenaolbse_tfval)a

;logalbebst_=xepsronalesbt_(i,:);xf

roi 1:pa=ritlcsezie %更粒新群里子每个体的最新个置位

v(i,)=:w*v(,i)+:c*r1an*(depsronlabstex_i(:,)x-i(,):)...

c2*r+ad*(gnolalbbes_txx(i-:,);)f

r j=o:n1avrs % 断判子粒的飞翔度是否速过超最了大翔飞速度

if (i,v)>jmvxa

;v(ij),=maxv;else

f vi(i,)

i(,j)=v-amx;

end

nd

e(xi:)=x,i(:,)+(v,i:;)end

ifabs( golblaesbtfaval_

=k+k1;en

d

Valu1=1/geoballbet_sfaval1-;Va ule=num1s2rtV(luae)1

% ;srcatt指可令实现字符以组合的出输

dsp(isrcat('the tmaxiumm vlae',u=',Value1));'

%出输最值大所在横的标坐位置

Vlaue=glo2babelstx_ V;auel=nu22mtrsVa(ul2e)

di;sps(rtcat('hteco resporndngi cordoinate''=,,V'luea)2)

;=x-:050.1:5

y=;2.*(1-x12+*x.2^.)ex*p-(x.2/2);^

plt(x,yo'm-',,l'ienwitdh,'3);h

ol ond;

lopt(gloalbbse_xt,/1logalbebs_tafal-v1,kp'','ilnwedtih'4,);

legend'(目标函'数'搜,到索的大值'最;)lxbal(e'')x;yabell('y');grid on;tco

;


相关文章

  • 混合粒子群优化算法
  • 混合粒子群优化算法 朱冰,齐名军 ZHUBing,QIMingjun 鹤壁职业技术学院,河南鹤壁458030 HebiCollegeofVocationandTechnology,Hebi,Henan458030,China ZHUBing,QIMingjun.Hybridparticleswarm ...

  • 离散二进制粒子群算法分析
  • DOI:10.13232/j.cnki.jnju.2011.05.002 第47卷 第5期Vol.47,No.5 JOURNALOFNANJING UNIVERSITY 2011年9月Set.2011p ()NATURALSCIENCES 南京大学学报(自然科学) 离散二进制粒子群算法分析 * ,刘 ...

  • 动态环境下一种改进的小生境粒子群算法
  • ComputerEngineeringandApplications计算机工程与应用2008,44(9)51 动态环境下一种改进的小生境粒子群算法 李孝源,李枚毅,宋凌 LIXiao-yuan,LIMei-yi,SONGLing 湘潭大学信息工程学院,湖南湘潭411105InstituteofInf ...

  • 精英免疫克隆选择的协同进化粒子群算法
  • 第11期2013年11月电 子 学 报ACTAELECTRONICASINICAVol.41 No.11 Nov. 2013 精英免疫克隆选择的协同进化粒子群算法 刘朝华,李小花,章 兢 1 1 2 (1.湖南科技大学信息与电气工程学院,湖南湘潭411201;2.湖南大学电气与信息工程学院,湖南长沙 ...

  • 光滑粒子法与有限元的耦合算法及其在冲击动力学中
  • 第27卷第6期 2007年11月爆炸与冲击EXPLOSl0NANDSHOCKV01.27.No.6Nov..2007WAVES 文章编号:lOOl一1455(2007)06一0522一07 光滑粒子法与有限元的耦合算法 及其在冲击动力学中的应用. 王吉,王肖钧,卞梁 (中国科学技术大学力学与机械工程 ...

  • 惯性权值对粒子群算法收敛性的影响及改进_黄翀鹏
  • 计 算 机 工 程 第 34 卷 第12期 Vol.34 No. 12 Computer Engineering ·博士论文· 文章编号:1000-3428(2008)12-0031-03 文献标识码:A 2008年6月 June 2008 中图分类号:TP301.6 惯性权值对粒子群算法收敛性的影 ...

  • 基本粒子群算法的原理和matlab程序
  • 基本粒子群算法的原理和matlab程序 作者--niewei120(nuaa) 一.粒子群算法的基本原理 粒子群优化算法源自对鸟群捕食行为的研究,最初由Kennedy和Eberhart提出,是一种通用的启发式搜索技术.一群鸟在区域中随机搜索食物,所有鸟知道自己当前位置离食物多远,那么搜索的最简单有效 ...

  • 基于自适应进化粒子群算法的多目标优化方法
  • 统 仿 真 学 报 V ol. 21 No. 22 2009年11月 Journal of System Simulation Nov., 2009 第21卷第22期 系 基于自适应进化粒子群算法的多目标优化方法 陈民铀,张聪誉,罗辞勇 (重庆大学输配电装备及系统安全与新技术国家重点实验室,重庆 4 ...

  • 4-基于量子粒子群和随机森林的特征选择方法
  • 94福建电脑2010年第5期 基于量子粒子群和随机森林的特征选择方法 杨明旭1,洪文财1,米 (1.厦门大学自动化系福建厦门361005 红2 2.浙江大学非传统安全与和平发展研究中心浙江杭州310028) [摘要]:提出一种基于量子粒子群和随机森林封装的特征选择方法.将量子粒子群算法用于特征选择, ...

  • 粒子滤波的重采样方法
  • V o l . 34, N o. 10 O ct, 2009 火力与指挥控制 F ire Contro l &Comm and Contro l 第34卷 第10期2009年10月 文章编号:100220640(2009) 1020018203 粒子滤波的重采样方法3 张 淼, 胡建旺, 周 ...

© 2024 范文中心 | 联系我们 webmaster# onjobs.com.cn