运用粒子群算法实现对几种测试函数最优解的搜寻，可对算法进行改进，提升算法的寻优性能。
粒子群算法几种改进方法：
1.权重改进：非线性权重、自适应权重等。
2.学习因子：学子因子动态调整
3.速度更新改进
4.加入新算子等等。
2023-03-06 15:43:26
752KB
1
%%清空环境?
clear all;
clc;
%%参数设置?
w=0.6;%惯性因子?
c1=2;%加速常数
c2=2;%加速常数?
Dim=3;%维数
SwarmSize=50;%粒子群规模?
ObjFun=@PIDcl;%待优化函数句柄?
MaxIter=100;%最大迭代次数?
MinFit=-Inf;%最小适应值
Vmax=1;
Vmin=-1;
Ub=[10 10 10];
Lb=[0 0 0];
%%粒子群初始化?
Range=ones(SwarmSize,1)*(Ub-Lb);
Swarm=rand(SwarmSize,Dim).*Range+ones(SwarmSize,1)*Lb;%初始化粒子群
VStep=rand(SwarmSize,Dim)*(Vmax-Vmin)+Vmin;%初始化速度
fSwarm=zeros(SwarmSize,1);
for i=1:SwarmSize
fSwarm(i,:)=feval(ObjFun,Swarm(i,:));%粒子群的适应值计算
end
%%个体极值和群体极值
[bestfbestindex]=min(fSwarm);
zbest=Swarm(bestindex,:);%全局最佳
gbest=Swarm;%个体最佳
fgbest=fSwarm;%个体最佳适应值
fzbest=bestf;%全局最佳适应值
%%迭代寻优
iter=0;
y_fitness=zeros(1,MaxIter);%预先产生4个空矩阵?
K_p=zeros(1,MaxIter);
K_i=zeros(1,MaxIter);
K_d=zeros(1,MaxIter);
while ((iterMinFit))
for j=1:SwarmSize
%速度更新
VStep(j,:)=w*VStep(j,:)+c1*rand*(gbest(j,:)-Swarm(j,:))+c2*rand*(zbest-Swarm(j,:));
if VStep(j,:)>Vmax,VStep(j,:)=Vmax;
end
if VStep(j,:)Ub(k),Swarm(j,k)=Ub(k);
end
if Swarm(j,k)
2023-03-02 19:29:21
1.83MB
In matlab, the optimization process based on BP neural network combined with genetic algorithm includes the problem description of text documents.
2023-02-24 16:11:54
312KB
将离散空间问题求解的蚁群算法引入连续空间, 针对多目标优化问题的特点, 提出一种用于求解带有约束
条件的多目标函数优化问题的蚁群算法. 该方法定义了连续空间中信息量的留存方式和蚂蚁的行走策略, 并将信息
素交流和基于全局最优经验指导两种寻优方式相结合, 用以加速算法收敛和维持群体的多样性. 通过3 组基准函数
来测试算法性能, 并与N SGA II 算法进行了仿真比较. 实验表明该方法搜索效率高, 向真实Pareto 前沿逼近的效果
好, 获得的解的散布范围广, 是一种求解多目标优化问题的有效方法.
2022-12-27 20:33:51
306KB
1
基于MATLAB编程，利用PSO寻找函数全局最优（可自行扩展）；
代码注释多，简化强，仅一重循环，便于理解PSO算法编程
2022-12-26 11:25:24
2KB
1
鼠群优化（Rat swarm optimization，RSO）算法是于2020年提出的一种寻优精度高、全局搜索性能强的新型仿生群体智能算法。
2022-11-28 11:22:15
2.46MB
1
Python猎人猎物优化函数极值寻优程序，Hunter-Prey-Optimization
2022-11-24 16:26:05
4KB