基本粒子群優(yōu)化算法Matlab源程序 
    這個(gè)程序就是最基本的粒子群優(yōu)化算法程序，用Matlab實(shí)現(xiàn)，非常簡單。只有幾十行代碼。正所謂一分錢一分貨啊，優(yōu)化效果不總是令人滿意。我還有幾個(gè)改進(jìn)的粒子群優(yōu)化算法版本，這一段時(shí)間會(huì)陸續(xù)發(fā)上來。

     下面是主函數(shù)的源程序，優(yōu)化函數(shù)則以m文件的形式放在fitness.m里面，對(duì)不同的優(yōu)化函數(shù)只要修改fitness.m就可以了通用性很強(qiáng)。

     主函數(shù)源程序（main.m）

 

%------基本粒子群優(yōu)化算法（Particle Swarm Optimization）-----------

%------名稱：基本粒子群優(yōu)化算法（PSO）

%------作用：求解優(yōu)化問題

%------說明：全局性，并行性，高效的群體智能算法

%------作者：孫明杰（dreamsun2001@126.com）

%------單位：中國礦業(yè)大學(xué)理學(xué)院計(jì)算數(shù)學(xué)碩2005

%------時(shí)間：2006年8月17日 <CopyRight@dReAmsUn>

%------------------------------------------------------------------

%------初始格式化--------------------------------------------------

clear all;

clc;

format long;

%------給定初始化條件----------------------------------------------

c1=1.4962;             %學(xué)習(xí)因子1

c2=1.4962;             %學(xué)習(xí)因子2

w=0.7298;              %慣性權(quán)重

MaxDT=1000;            %最大迭代次數(shù)

D=10;                  %搜索空間維數(shù)（未知數(shù)個(gè)數(shù)）

N=40;                  %初始化群體個(gè)體數(shù)目

eps=10^(-6);           %設(shè)置精度(在已知最小值時(shí)候用)

%------初始化種群的個(gè)體(可以在這里限定位置和速度的范圍)------------

for i=1:N

    for j=1:D

        x(i,j)=randn;  %隨機(jī)初始化位置

        v(i,j)=randn;  %隨機(jī)初始化速度

    end

end

%------先計(jì)算各個(gè)粒子的適應(yīng)度，并初始化Pi和Pg----------------------

for i=1:N

    p(i)=fitness(x(i,:),D);

    y(i,:)=x(i,:);

end

pg=x(1,:);             %Pg為全局最優(yōu)

for i=2:N

    if fitness(x(i,:),D)<fitness(pg,D)

        pg=x(i,:);

    end

end

%------進(jìn)入主要循環(huán)，按照公式依次迭代，直到滿足精度要求------------

for t=1:MaxDT

    for i=1:N

        v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:));

        x(i,:)=x(i,:)+v(i,:);

        if fitness(x(i,:),D)<p(i)

            p(i)=fitness(x(i,:),D);

            y(i,:)=x(i,:);

        end

        if p(i)<fitness(pg,D)

            pg=y(i,:);

        end

    end

    Pbest(t)=fitness(pg,D);

end

%------最后給出計(jì)算結(jié)果

disp('*************************************************************')

disp('函數(shù)的全局最優(yōu)位置為：')

Solution=pg'

disp('最后得到的優(yōu)化極值為：')

Result=fitness(pg,D)

disp('*************************************************************')

%------算法結(jié)束---DreamSun GL & HF-----------------------------------

 

    適應(yīng)度函數(shù)源程序（fitness.m）

function result=fitness(x,D)

sum=0;

for i=1:D

    sum=sum+x(i)^2;

end

result=sum;

    

    下面幾天回繼續(xù)發(fā)上來其他改進(jìn)算法，并發(fā)上比較結(jié)果。先看看我這有3種方法對(duì)此函數(shù)的優(yōu)化結(jié)果比較圖形,圖形不是很清楚,一直下降的就是改進(jìn)算法比較成功的