pso程序的源代碼                                      
 pso程序的源代碼-粒子群優化算法源程序

作者：FashionXu

一個pso程序的源代碼。在vc.net2003下面通過。

建議：看代碼之前，請先弄明白pso是怎么回事。然后請對應著來：程序中用Agent代表一只鳥，PSO代表鳥群。閱讀源代碼，不要順著看，先看main(),然后按照出現的東西的順序，一個一個得來，呵呵，純粹是建議。

// PSO.cpp : 定義控制臺應用程序的入口點。
//粒子群優化算法基本程序
//你可以使用本代碼，如果感到對你有用的話，請通知作者，作者會很高興。
//通訊地址：fashionxu@163.com
//by FashionXu

//本程序在vc++.net 2003下面通過，你如果要在vc6.0下面使用，請查閱相關資料修改，或者聯系作者
#include "stdafx.h"
#include "iostream"
#define _USE_MATH_DEFINES
#include "math.h"
#include 

const int  iAgentDim=20;//優化函數的維數
const double iRangL=-30;//函數的取值范圍
const double iRangR=30;

const int iPSONum=20;//粒子數

int iStep=10000;//跌代次數
//下面的值，要具體程序中具體的修改，根據你優化的函數來修改
double w=0.9;//慣性系數
const double delta1=1;//1.494;//加速度
const double delta2=1;//1.494;

#define rnd(low,uper)((rand()/(double)RAND_MAX)*((uper)-(low))+(low))//這個東西，返回low ,uper之間的一個值
double gbest[iAgentDim];//global best fitness保留全局最優值的坐標
using namespace std;

 

class Agent//這個類表示單個的粒子，也就是一只鳥  ：）
{
public:
 double dpos[iAgentDim];   //位置，也就是各個維數的值
 double dpbest[iAgentDim];       //維護一個“自己”找到的最優值的解
 double dv[iAgentDim];   //速度
 double m_dFitness;//agent's fitness  當前算出的一個值
 double m_dBestfitness;//agent's best fitness  自己已經找到的最好值

 Agent()//初始化
 { 
  srand( (unsigned)(time( NULL )+rand()) );
  int i=0;
  for(;i  {
   dpos[i]=rnd(iRangL,iRangR);
   dv[i]=dpbest[i]=dpos[i];
  }
 }
 void UpdateFitness()
  /*calculate the fitness and find out the best fitness,record*/
 {
  
  double sum1=0;
  double sum2=0;

/*Ackley Funtion*/ 

 for (int i=0;i {
  sum1+=(dpos [i]*dpos [i]);
  sum2+=cos(2*M_PI*dpos [i]);
 }

 m_dFitness=(-20*exp(-0.2*(sqrt((1.0/(double)iAgentDim *sum1))))-exp((1.0/(double)iAgentDim )*sum2)+20+M_E);
 //The Rastrigin function
  //int i=0;
  //for (;i  //{
  // sum1+=(dpos [i]*dpos [i])-3.0*cos(2*M_PI*dpos [i]);
  //}
  //m_dFitness=3.0*iAgentDim+sum1;

  //找到一個更好的值后，更新 m_dBestfitness
  if (m_dFitness  {
   m_dBestfitness=m_dFitness;
   int i=0;
   for(;i   {
    dpbest[i]=dpos[i];
   }
  }
  
 }
 void UpdatePos()//agent moving
 {
  int i=0;

  for(;i  {

//   basi pso
  dv[i]=w*dv[i]+delta1*rnd(0,1)*(dpbest[i]-dpos[i])+delta2*rnd(0,1)*(gbest[i]-dpos[i]);
   dpos[i]+=dv[i];
  }

 }
};
class PSO//這是粒子群，也就是鳥群了
{
private:
 Agent agents[iPSONum];
 double m_dBestFitness;//鳥群找到的最優值
 int m_iTempPos;
public:
 void Init();
 void Search();
};
void PSO::Search()
{
 int k=0; 

 while( k {
  m_iTempPos=999;
  int i;
  for(i=0;i  {//此處是找找鳥群中有沒有更好的解，如果有，記錄下來
   if (m_dBestFitness>agents[i].m_dBestfitness ) 
   {
    m_dBestFitness=agents[i].m_dBestfitness;
    m_iTempPos=i;//找到到的最好解的位置
   }
  }
  if (m_iTempPos!=999)
  {
   int j;

   for(j=0;j   {
    gbest[j]=agents[m_iTempPos].dpos[j];//記錄全局最優解的各個坐標
   }
  }
  //printf("The best is %f \n",m_dBestFitness);
  //下一次跌代
  for(i=0;i  { 
   agents[i].UpdatePos();
   agents[i].UpdateFitness ();
  }   
  k++;

 }
  printf("The best result is: %2.15f    after %d step. \n",m_dBestFitness,k);

 {
  for (int i=0;i   printf(" %2.15f ",gbest[i]);
 }
 }

void PSO::Init()//初始化，
{
 int i=0;
 m_dBestFitness=100000;
 srand( (unsigned)(time( NULL )+rand()) ); 
 for(;i { 
  agents[i].m_dBestfitness =100000;//將m_dBestfitness賦值為一個大的值，目的是找最小值，
  agents[i].UpdateFitness();
 }
}
int main(int argc, char* argv[])
{
 PSO pso;
 pso.Init ();
 pso.Search();
 printf("\n");
 char c;
 scanf("%c",&c);
 return 0;
}