UPSO粒子群算法matlab源程序

%参数u=1：即标准全局PSO，u=0，即标准局部PSO，每个粒子作为单独的个体 function UPSO=UPSO(u) %u:更新速度时G所占的比重 clc; rand('state',sum(100*clock)); %=================== %定义问题相关的参数 %=================== dim=2; %2维 Xmax=5; %粒子边界 Xmin=-5; GM=0; %全局最小值 Acc=1e-3; %期望精度，即停止标准 nexp=100; %实验次数 RunStats=[]; SS=10; %粒子群的规模 MaxIt=1000; %最大迭代次数 chi=0.729; c1=2.05; c2=2.05; NR=1; %邻域半径 vmax=(Xmax-Xmin)/2; %最大速度限制 for T=1:nexp %运行nexp次 %参数初始化 success=0; %每成功运行一次，则success=1 iter=1; feval=0; %函数评估计数器 STOP=0; %随机初始化粒子群和速度 swarm=rand(dim,SS)*(Xmax-Xmin)+Xmin; %初始种群 vel=rand(dim,SS)*2*vmax-vmax; %初始速度 bestpos=swarm; %最优位置 %粒子的评估 for i=1:SS fswarm(i)=f(swarm(:,i)); fbestpos(i)=fswarm(i); feval=feval+1; end %全局最优位置更新 [fxopt,g_over]=min(fbestpos); xopt=bestpos(:,g_over); %更新每个邻域的最优粒子 g_neig=1:SS; %邻域下标向量 for i=1:SS %对每个粒子（的邻域） for j=i-NR:i+NR %对邻域内每个粒子搜索 if(j<=0) jc=SS+j; %jc是邻域内最优粒子的偏移量吗？ elseif(j>SS) jc=j-SS; else jc=j; end if(fbestpos(jc)<fbestpos(g_neig(i))) %每个粒子的适应值和其邻域内每个粒子比较 g_neig(i)=jc; %第i个粒子的邻域最优位置（偏移量） end end end while(STOP==0) iter=iter+1; %迭代次数递增 for i=1:SS % R1=rand(dim,1); %随机生成2*1的矩阵R1，R2 R2=rand(dim,1); %全局搜素 %G:chi*（每个粒子速度+(每个粒子的最优位置-当前位置)*随机数+（全局最优位置-当前位置）*随机数） G=chi.*(vel(:,i)+c1.*R1.*(bestpos(:,i)-swarm(:,i))+c1.*R2.*(bestpos(:,g_over)-swarm(:,i))); R1=rand(dim,1); R2=rand(dim,1); %局部搜索 %L:chi*（每个粒子速度+(每个粒子的最优位置-当前位置)*随机数+（每个粒子邻域最优位置-当期位置）*随机数） L=chi.*(vel(:,i)+c1.*R1.*(bestpos(:,i)-swarm(:,i))+c1.*R2.*(bestpos(:,g_neig(i))-swarm(:,i))); vel(:,i)=u.*G+(1-u).*L; %粒子速度更新，===可以考虑引入优化=== end vel(vel>vmax)=vmax; vel(vel<-vmax)=-vmax; swarm=swarm+vel; %根据粒子速度更新粒子位置 swarm(swarm>Xmax)=Xmax; %检查速度是否在范围内，===注意技巧=== swarm(swarm<Xmin)=Xmin; for i=1:SS fswarm(i)=f(swarm(:,i)); feval=feval+1; end bestpos(:,fswarm<fbestpos)=swarm(:,fswarm<fbestpos); fbestpos(fswarm<fbestpos)=fswarm(fswarm<fbestpos); [fxopt,g_over]=min(fbestpos); xopt=bestpos(:,g_over); g_neig=1:SS; for i=1:SS for j=i-NR:i+NR if(j<=0) jc=SS+j; elseif(j>SS) jc=j-SS; else jc=j; end if(fbestpos(jc)<fbestpos(g_neig(i))) g_neig(i)=jc; end end end if((iter>=MaxIt)|(fxopt<=GM+Acc)) %若已达到最大迭代次数或者达到一定精度，停止 STOP=1; if(fxopt<=GM+Acc) %若是因为达到指定精度停止 success=1; %则成功 end end end %end while RunStats(T,:)=[success iter feval]; %输出：是否成功，迭代次数，适应值 fprintf('EXPERIMENT #%3d :: SUCCESS=%1d :: SOLUTION X*=(',T,success); for i=1:dim fprintf('%15.5e',xopt(i)); end fprintf(')::F(x*)=%12.5e :: ITER=%5d\n',fxopt,iter); end fprintf('\nAVERAGED STATISTICS\n'); SucRunStats=RunStats(RunStats(:,1),:); fprintf('SUCCESSES=%3d/%3d\n',sum(RunStats(:,1),nexp)); fprintf('MEAN ITERATIONS=%8.2f\n',mean(SucRunStats(:,2))); fprintf('STD ITERATIONS=%8.2f\n',std(SucRunStats(:,2))); fprintf('MEAN FUNC EVAL=%8.2f\n',mean(SucRunStats(:,3))); fprintf('STD FUNC EVAL=%8.2f\n',std(SucRunStats(:,3))); function f=f(x) f=x'*x;