基本粒子群優化算法Matlab源程序 
    這個程序就是最基本的粒子群優化算法程序，用Matlab實現，非常簡單。只有幾十行代碼。正所謂一分錢一分貨啊，優化效果不總是令人滿意。我還有幾個改進的粒子群優化算法版本，這一段時間會陸續發上來。

     下面是主函數的源程序，優化函數則以m文件的形式放在fitness.m里面，對不同的優化函數只要修改fitness.m就可以了通用性很強。

     主函數源程序（main.m）

 

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

%------名稱：基本粒子群優化算法（PSO）

%------作用：求解優化問題

%------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：中國礦業大學理學院計算數學碩2005

%------時間：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;             %學習因子1

c2=1.4962;             %學習因子2

w=0.7298;              %慣性權重

MaxDT=1000;            %最大迭代次數

D=10;                  %搜索空間維數（未知數個數）

N=40;                  %初始化群體個體數目

eps=10^(-6);           %設置精度(在已知最小值時候用)

%------初始化種群的個體(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;  %隨機初始化位置

        v(i,j)=randn;  %隨機初始化速度

    end

end

%------先計算各個粒子的適應度，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

for i=2:N

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

        pg=x(i,:);

    end

end

%------進入主要循環，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

%------最后給出計算結果

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

disp('函數的全局最優位置為：')

Solution=pg'

disp('最后得到的優化極值為：')

Result=fitness(pg,D)

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

%------算法結束---DreamSun GL & HF-----------------------------------

 

    適應度函數源程序（fitness.m）

function result=fitness(x,D)

sum=0;

for i=1:D

    sum=sum+x(i)^2;

end

result=sum;