精华内容
下载资源
问答
  • 粒子群算法matlab

    2017-10-31 20:32:44
    粒子群算法matlab粒子群算法matlab粒子群算法matlab
  • 粒子群算法 matlab

    2013-09-28 19:53:00
    PSO 粒子群算法 matlab程序设计 。
  • 量子粒子群算法与基础粒子群算法matlab程序,里面包含注释及matlab程序,可以运行。其中pdf文件为量子粒子群算法讲解
  • PSO粒子群算法matlab

    2019-03-29 10:09:42
    PSO粒子群算法matlab的各种改进算法
  • 多目标粒子群算法matlab
  • 粒子群算法 MATLAB

    2010-05-18 12:27:28
    粒子群 MATLAB 是一种全局搜索算法
  • 粒子群算法 matlab 源码 粒子群算法 matlab 源码 粒子群算法 matlab 源码
  • 粒子群算法MATLAB编程实例!
  • 粒子群算法matlab代码

    2015-08-27 17:31:43
    粒子群算法Matlab程序---全局版本的粒子群算法收敛速度快,但是容易陷入局部最优。局部版本的粒子群算法收敛速度慢,但是很难陷入局部最优
  • 粒子群算法MATLAB仿真

    2017-01-22 09:19:06
    粒子群算法matlab仿真,帮助研究生学姐的毕设写的
  • 线性递减权重粒子群算法MATLAB代码,适合粒子群算法初学者
  • 基本粒子群算法MATLAB代码,用于实现基本的连续函数或者高维函数的极值问题
  • 粒子群算法MATLAB实现第二弹,此次应用粒子群算法求解Ackley函数最小值,代码带有详细注释,可运行;Ackley's function:指数函数叠加上适度放大的余弦而得到的连续型实验函数。
  • PSO:粒子群算法matlab2016b
  • 粒子群算法matlab实例(含注释)
  • 粒子群算法matlab编程示例,附有详细注释,有示例待优化函数及相关参考参数,可修改,并带有详细图形绘制代码,可用于课程设计,毕业设计或初步认知学习过程
  • 粒子群算法matlab代码及使用。自编function,可以直接嵌入使用
  • PSO 粒子群算法 Matlab源码

    千次阅读 2018-11-12 17:44:52
    PSO 粒子群算法 Matlab源码

    分享一下我老师大神的人工智能教程!零基础,通俗易懂!http://blog.csdn.net/jiangjunshow

    也欢迎大家转载本篇文章。分享知识,造福人民,实现我们中华民族伟大复兴!

                   

    PSO 粒子群算法 Matlab源码  

    2011-04-04 21:52:23|  分类: 默认分类|举报|字号 订阅

    %%%声明:这是本人结合网络上提供的一些源码经过修改 并得到验证的PSO代码

    PSO 粒子群算法 Matlab源码 - Jeary - 谦杰

     

    %PSO标准算法 其中w c1 c2 a可以改变
    %包含初始化函数  迭代函数 还有总体的PSO算法函数
    function [Result,OnLine,OffLine,MinMaxMeanAdapt]=PSO_Stand(SwarmSize,ParticleSize,ParticleScope,IsStep,IsDraw,LoopCount,IsPlot)
    %function [Result,OnLine,OffLine,MinMaxMeanAdapt]=PSO_Stand(SwarmSize,ParticleSize,ParticleScope,InitFunc,StepFindFunc,AdaptFunc,IsStep,IsDraw,LoopCount,IsPlot)
    %功能描述:一个循环n次的PSO算法完整过程,返回这次运行的最小与最大的平均适应度,以及在线性能与离线性能
    %[Result,OnLine,OffLine,MinMaxMeanAdapt]=PsoProcess(SwarmSize,ParticleSize,ParticleScope,InitFunc,StepFindFunc,AdaptFunc,IsStep,IsDraw,LoopCount,IsPlot)
    %输入参数:SwarmSize:种群大小的个数
    %输入参数:ParticleSize:一个粒子的维数
    %输入参数:ParticleScope:一个粒子在运算中各维的范围;
    %         ParticleScope格式:
    %           3维粒子的ParticleScope格式:
    %                          [x1Min,x1Max
    %                           x2Min,x2Max
    %                           x3Min,x3Max]
    %
    %输入参数:InitFunc:初始化粒子群函数
    %输入参数:StepFindFunc:单步更新速度,位置函数
    %输入参数:AdaptFunc:适应度函数
    %输入参数:IsStep:是否每次迭代暂停;IsStep=0,不暂停,否则暂停。缺省不暂停
    %输入参数:IsDraw:是否图形化迭代过程;IsDraw=0,不图形化迭代过程,否则,图形化表示。缺省不图形化表示
    %输入参数:LoopCount:迭代的次数;缺省迭代100次
    %输入参数:IsPlot:控制是否绘制在线性能与离线性能的图形表示;IsPlot=0,不显示;
    %                                          IsPlot=1;显示图形结果。缺省IsPlot=1
    %返回值:Result为经过迭代后得到的最优解
    %返回值:OnLine为在线性能的数据
    %返回值:OffLine为离线性能的数据
    %返回值:MinMaxMeanAdapt为本次完整迭代得到的最小与最大的平均适应度
    %
    %用法[Result,OnLine,OffLine,MinMaxMeanAdapt]=PsoProcess(SwarmSize,ParticleSize,ParticleScope,InitFunc,StepFindFunc,AdaptFunc,IsStep,IsDraw,LoopCount,IsPlot);
    %
    %异常:首先保证该文件在Matlab的搜索路径中,然后查看相关的提示信息。
    %
    %编制人:XXX
    %编制时间:2007.3.26
    %参考文献:XXXXX%

    %修改记录:
    %添加MinMaxMeanAdapt,以得到性能评估数据
    %修改人:Jeary
    %修改时间:2012.12.12
    %参考文献:XXX.

    %容错控制
    if nargin<3
    %if nargin<4
        error('输入的参数个数错误。')
    end

    [row,colum]=size(ParticleSize);
    if row>1||colum>1
        error('输入的粒子的维数错误,是一个1行1列的数据。');
    end
    [row,colum]=size(ParticleScope);
    if row~=ParticleSize||colum~=2
        error('输入的粒子的维数范围错误。');
    end

    %设置缺省值
    if nargin<4
    %if nargin<7
        IsPlot=1;
        LoopCount=100;
        IsStep=0;
        IsDraw=0;
    %elseif nargin<8
    elseif nargin<5
        IsPlot=1;
        IsDraw=0;
        LoopCount=100;
    %elseif nargin<9
    elseif nargin<6
        LoopCount=100;
        IsPlot=1;
    %elseif nargin<10
    elseif nargin<7
        IsPlot=1;
    end

    %控制是否显示2维以下粒子维数的寻找最优的过程
    %if IsDraw~=0
        %DrawObjGraphic(ParticleSize,ParticleScope,AdaptFunc);
    %end

    %初始化种群
    %[ParSwarm,OptSwarm]=InitFunc(SwarmSize,ParticleSize,ParticleScope,AdaptFunc);
    [ParSwarm,OptSwarm]=InitSwarm(SwarmSize,ParticleSize,ParticleScope);

    %在测试函数图形上绘制初始化群的位置
    if IsDraw~=0
        if 1==ParticleSize
            for ParSwarmRow=1:SwarmSize
                plot([ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,1)],[ParSwarm(ParSwarmRow,3),0],'r*-','markersize',8);
                text(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,3),num2str(ParSwarmRow));%在图形中加注释
            end
        end
        if 2==ParticleSize
            for ParSwarmRow=1:SwarmSize
                stem3(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,2),ParSwarm(ParSwarmRow,5),'r.','markersize',8);%绘制3D图形
            end
        end
    end

    %暂停让抓图
    if IsStep~=0
        disp('开始迭代,按任意键:')
        pause
    end

    %开始更新算法的调用
    for k=1:LoopCount
        %显示迭代的次数:
        disp('----------------------------------------------------------')
        TempStr=sprintf('第 %g 次迭代',k);
        disp(TempStr);
        disp('----------------------------------------------------------')
        
        %调用一步迭代的算法
        %[ParSwarm,OptSwarm]=StepFindFunc(ParSwarm,OptSwarm,AdaptFunc,ParticleScope,0.95,0.4,LoopCount,k);
        [ParSwarm,OptSwarm]=BaseStepPso(ParSwarm,OptSwarm,ParticleScope,0.95,0.4,LoopCount,k);
        
        %在目标函数的图形上绘制2维以下的粒子的新位置
        if IsDraw~=0
            if 1==ParticleSize
                for ParSwarmRow=1:SwarmSize
                    plot([ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,1)],[ParSwarm(ParSwarmRow,3),0],'r*-','markersize',8);
                    text(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,3),num2str(ParSwarmRow));
                end
            end
            
            if 2==ParticleSize
                for ParSwarmRow=1:SwarmSize
                    stem3(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,2),ParSwarm(ParSwarmRow,5),'r.','markersize',8);
                end
            end
        end
        
        XResult=OptSwarm(SwarmSize+1,1:ParticleSize);%存取本次迭代得到的全局最优值
        YResult=AdaptFunc(XResult);                  %计算全局最优值对应的粒子的适应度值
        if IsStep~=0
            %XResult=OptSwarm(SwarmSize+1,1:ParticleSize);
            %YResult=AdaptFunc(XResult);
            str=sprintf('%g 步迭代的最优目标函数值 %g',k,YResult);
            disp(str);
            disp('下次迭代,按任意键继续');
            pause
        end
        
        %记录每一步的平均适应度
        MeanAdapt(1,k)=mean(ParSwarm(:,2*ParticleSize+1));%mean函数为取有效值函数
    end
    %for循环结束标志

    %记录最小与最大的平均适应度
    MinMaxMeanAdapt=[min(MeanAdapt),max(MeanAdapt)];
    %计算离线与在线性能
    for k=1:LoopCount
        OnLine(1,k)=sum(MeanAdapt(1,1:k))/k;%求取在线性能的数据
        OffLine(1,k)=max(MeanAdapt(1,1:k)); 
    end

    for k=1:LoopCount
        OffLine(1,k)=sum(OffLine(1,1:k))/k;%求取离线性能的数据
    end

    %绘制离线性能与在线性能曲线
    %subplot(m,n,p);%将图形窗口分成m行n列的子窗口,序号为p的子窗口为当前窗口
    if 1==IsPlot
        subplot(1,2,1);
        %figure
        hold on
        title('离线性能曲线图')
        xlabel('迭代次数');
        ylabel('离线性能');
        grid on
        plot(OffLine);

        subplot(1,2,2);
        %figure
        hold on
        title('在线性能曲线图')
        xlabel('迭代次数');
        ylabel('在线性能');
        grid on
        plot(OnLine);
    end
    %记录本次迭代得到的最优值 适应度值
    XResult=OptSwarm(SwarmSize+1,1:ParticleSize);
    YResult=AdaptFunc(XResult);
    Result=[XResult,YResult];

    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %适应度函数
    function y=AdaptFunc(x)
    %Griewan函数
    %输入x,给出相应的y值,在x=(0,0,…,0)处有全局极小点0.
    %编制人:Jeary
    %编制日期:2010.12.12
    [row,col]=size(x);
    if row>1
        error('适应度函数:输入的参数错误');
    end
    y1=1/4000*sum(x.^2);
    y2=1;
    for h=1:col
        y2=y2*cos(x(h)/sqrt(h));
    end
    y=y1-y2+1;
    y=-y;

    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %初始化粒子群函数
    function [ParSwarm,OptSwarm]=InitSwarm(SwarmSize,ParticleSize,ParticleScope)
    %function [ParSwarm,OptSwarm]=InitSwarm(SwarmSize,ParticleSize,ParticleScope,AdaptFunc)
    %功能描述:初始化粒子群,限定粒子群的位置以及速度在指定的范围内
    %[ParSwarm,OptSwarm,BadSwarm]=InitSwarm(SwarmSize,ParticleSize,ParticleScope,AdaptFunc)
    %
    %输入参数:SwarmSize:种群大小的个数
    %输入参数:ParticleSize:一个粒子的维数
    %输入参数:ParticleScope:一个粒子在运算中各维的范围;
    %         ParticleScope格式:
    %           3维粒子的ParticleScope格式:
    %            [x1Min,x1Max
    %              x2Min,x2Max
    %               x3Min,x3Max]
    %
    %输入参数:AdaptFunc:适应度函数
    %输出:ParSwarm初始化的粒子群
    %输出:OptSwarm粒子群当前最优解与全局最优解
    %
    %用法[ParSwarm,OptSwarm,BadSwarm]=InitSwarm(SwarmSize,ParticleSize,ParticleScope,AdaptFunc);
    %
    %异常:首先保证该文件在Matlab的搜索路径中,然后查看相关的提示信息。
    %
    %编制人:Jeary
    %编制时间:2010.12.11
    %参考文献:网上资源-粒子群算法详解MATLAB
    %

    %容错控制  nargin和nargout表示该函数的输入\输出个数
    %if nargin~=4
    if nargin~=3
        error('粒子群初始化:输入的参数个数错误。')
    end
    if nargout<2
        error('粒子群初始化:输出的参数的个数太少,不能保证以后的运行。');
    end

    [row,colum]=size(ParticleSize);
    if row>1||colum>1
        error('粒子群初始化:输入的粒子的维数错误,是一个1行1列的数据。');
    end
    [row,colum]=size(ParticleScope);
    if row~=ParticleSize||colum~=2
        error('粒子群初始化:输入的粒子的维数范围错误。');
    end

    %初始化粒子群矩阵
    %初始化粒子群矩阵,全部设为[0-1]随机数
    %rand('state',0);
    ParSwarm=rand(SwarmSize,2*ParticleSize+1);%初始化位置 速度 历史优化值

    %对粒子群中位置,速度的范围进行调节
    for k=1:ParticleSize
        ParSwarm(:,k)=ParSwarm(:,k)*(ParticleScope(k,2)-ParticleScope(k,1))+ParticleScope(k,1);%调节速度,使速度与位置的范围一致
        ParSwarm(:,ParticleSize+k)=ParSwarm(:,ParticleSize+k)*(ParticleScope(k,2)-ParticleScope(k,1))+ParticleScope(k,1);
    end

    %对每一个粒子计算其适应度函数的值
    for k=1:SwarmSize
        ParSwarm(k,2*ParticleSize+1)=AdaptFunc(ParSwarm(k,1:ParticleSize));%计算每个粒子的适应度值
    end

    %初始化粒子群最优解矩阵
    OptSwarm=zeros(SwarmSize+1,ParticleSize);
    %粒子群最优解矩阵全部设为零
    [maxValue,row]=max(ParSwarm(:,2*ParticleSize+1));
    %寻找适应度函数值最大的解在矩阵中的位置(行数)
    OptSwarm=ParSwarm(1:SwarmSize,1:ParticleSize);
    OptSwarm(SwarmSize+1,:)=ParSwarm(row,1:ParticleSize);%将适应度值最大的粒子的位置最为全局粒子的最优值

    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %基本的粒子群算法的单步更新位置,速度的算法函数
    function [ParSwarm,OptSwarm]=BaseStepPso(ParSwarm,OptSwarm,ParticleScope,MaxW,MinW,LoopCount,CurCount)
    %function [ParSwarm,OptSwarm]=BaseStepPso(ParSwarm,OptSwarm,AdaptFunc,ParticleScope,MaxW,MinW,LoopCount,CurCount)
    %功能描述:全局版本:基本的粒子群算法的单步更新位置,速度的算法
    %[ParSwarm,OptSwarm]=BaseStepPso(ParSwarm,OptSwarm,AdaptFunc,ParticleScope,MaxW,MinW,LoopCount,CurCount)
    %输入参数:ParSwarm:粒子群矩阵,包含粒子的位置,速度与当前的目标函数值
    %输入参数:OptSwarm:包含粒子群个体最优解与全局最优解的矩阵
    %输入参数:ParticleScope:一个粒子在运算中各维的范围;
    %输入参数:AdaptFunc:适应度函数
    %输入参数:AdaptFunc:适应度函数
    %输入参数:MaxW  MinW:惯性权重(系数)的最大值与最小值
    %输入参数:CurCount:当前迭代的次数
    %返回值:含意同输入的同名参数
    %用法:[ParSwarm,OptSwarm]=BaseStepPso(ParSwarm,OptSwarm,AdaptFunc,ParticleScope,MaxW,MinW,LoopCount,CurCount)
    %
    %异常:首先保证该文件在Matlab的搜索路径中,然后查看相关的提示信息。
    %
    %编制人:XXX
    %编制时间:2007.3.27
    %参考文献:XXX
    %修改记录
    %2010.12.12
    %修改人:Jeary
    % 添加2*unifrnd(0,1).*SubTract1(row,:)中的unifrnd(0,1)随机数,使性能大为提高
    %参照基于MATLAB的粒子群优化算法程序设计
    %
    % 总体评价:使用这个版本的调节系数,效果比较好
    %

    %容错控制
    %if nargin~=8  %输入容错
    if nargin~=7  %输入容错
        error('粒子群迭代:输入的参数个数错误。')
    end
    if nargout~=2  %输出容错
        error('粒子群迭代:输出的个数太少,不能保证循环迭代。')
    end

    %开始单步更新的操作
    %标准粒子群算法的变形
    %*********************************************
    %*****更改下面的代码,可以更改惯性因子的变化*****
    %---------------------------------------------------------------------
    %线形递减策略
    w=MaxW-CurCount*((MaxW-MinW)/LoopCount);
    %---------------------------------------------------------------------
    %w固定不变策略
    %w=0.7;
    %---------------------------------------------------------------------
    %参考文献:陈贵敏,贾建援,韩琪,粒子群优化算法的惯性权值递减策略研究,西安交通大学学报,2006,1
    %w非线形递减,以凹函数递减
    %w=(MaxW-MinW)*(CurCount/LoopCount)^2+(MinW-MaxW)*(2*CurCount/LoopCount)+MaxW;
    %---------------------------------------------------------------------
    %w非线形递减,以凹函数递减
    %w=MinW*(MaxW/MinW)^(1/(1+10*CurCount/LoopCount));
    %*****更改上面的代码,可以更改惯性因子的变化*****
    %*********************************************

    %得到粒子群群体大小以及一个粒子维数的信息
    [ParRow,ParCol]=size(ParSwarm);
    %得到粒子的维数
    ParCol=(ParCol-1)/2;
    SubTract1=OptSwarm(1:ParRow,:)-ParSwarm(:,1:ParCol);%求解出历史最优值与当前位置的差值

    %*********************************************
    %*****更改下面的代码,可以更改c1,c2的变化*****
    c1=2;
    c2=2;
    %---------------------------------------------------------------------
    %con=1;
    %c1=4-exp(-con*abs(mean(ParSwarm(:,2*ParCol+1))-AdaptFunc(OptSwarm(ParRow+1,:))));
    %c2=4-c1;
    %----------------------------------------------------------------------
    %*****更改上面的代码,可以更改c1,c2的变化*****
    %*********************************************
    %完成一次粒子位置 速度 最优值的更新迭代
    for row=1:ParRow
        SubTract2=OptSwarm(ParRow+1,:)-ParSwarm(row,1:ParCol);%计算出全局最优值与当前该粒子位置的差值
        %速度更新公式
        TempV=w.*ParSwarm(row,ParCol+1:2*ParCol)+c1*unifrnd(0,1).*SubTract1(row,:)+c2*unifrnd(0,1).*SubTract2;
        %限制速度的代码
        for h=1:ParCol
            if TempV(:,h)>ParticleScope(h,2)
                TempV(:,h)=ParticleScope(h,2);
            end
            if TempV(:,h)<-ParticleScope(h,2)
                TempV(:,h)=-ParticleScope(h,2)+1e-10;%加1e-10防止适应度函数被零除
            end
        end
        %更新该粒子速度值
        ParSwarm(row,ParCol+1:2*ParCol)=TempV;
        %*********************************************
        %*****更改下面的代码,可以更改约束因子的变化*****
        %---------------------------------------------------------------------
        %a=1;%约束因子
        %---------------------------------------------------------------------
        a=0.729;%约束因子
        %*****更改上面的代码,可以更改约束因子的变化*****
        %*********************************************
        %位置更新公式
        TempPos=ParSwarm(row,1:ParCol)+a*TempV;
        %限制位置范围的代码
        for h=1:ParCol
            if TempPos(:,h)>ParticleScope(h,2)
                TempPos(:,h)=ParticleScope(h,2);
            end
            if TempPos(:,h)<=ParticleScope(h,1)
                TempPos(:,h)=ParticleScope(h,1)+1e-10;%加1e-10防止适应度函数被零除
            end
        end
        %更新该粒子位置值
        ParSwarm(row,1:ParCol)=TempPos;
        
        %计算每个粒子的新的适应度值
        ParSwarm(row,2*ParCol+1)=AdaptFunc(ParSwarm(row,1:ParCol));
        if ParSwarm(row,2*ParCol+1)>AdaptFunc(OptSwarm(row,1:ParCol))
            OptSwarm(row,1:ParCol)=ParSwarm(row,1:ParCol);
        end
    end
    %for循环结束

    %寻找适应度函数值最大的解在矩阵中的位置(行数),进行全局最优值的改变 
    [maxValue,row]=max(ParSwarm(:,2*ParCol+1));
    if AdaptFunc(ParSwarm(row,1:ParCol))>AdaptFunc(OptSwarm(ParRow+1,:))
        OptSwarm(ParRow+1,:)=ParSwarm(row,1:ParCol);
    end

               

    给我老师的人工智能教程打call!http://blog.csdn.net/jiangjunshow

    这里写图片描述
    展开全文
  • 粒子群算法 matlab改进

    2011-07-01 22:59:49
    粒子群算法 matlab改进的方法,大家参考下希望对你有用
  • 粒子群算法matlab程序

    2020-04-28 15:58:49
    通过简单的算例解释了粒子群算法粒子群算法的发展过程。粒子群优化算法(Partical Swarm Optimization PSO),粒子群中的每一个粒子都代表一个问题的可能解,通过粒子个体的简单行为,群体内的信息交互实现问题...
  • 粒子群算法Matlab源码

    2010-12-09 22:16:56
    粒子群算法Matlab源码,非常易学,好东东
  • 粒子群算法matlab实现

    2020-04-27 10:15:17
    本资源为粒子群算法求全局最小值的实现代码,可以三维显示出粒子群的动态变化过程,目标函数可以自行修改。
  • 粒子群算法Matlab,输入数据时报错,求大佬指教 ![图片说明](https://img-ask.csdn.net/upload/202004/27/1587990731_754094.png)

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,756
精华内容 702
关键字:

粒子群算法matlab

matlab 订阅