首页 > 分享 > 粒子群算法学习(PSO)

粒子群算法学习(PSO)

萌宠菠菠乐园
2024-10-06 05:36

今天学习一个新的群优化算法——粒子群优化

下面放算法原理链接https://blog.csdn.net/myarrow/article/details/51507671
简单的原理概括就是：利用鸟群之间信息共享寻找食物的思想来寻找最优解，通过种群最佳适应度和个体最佳适应度来控制种群的进化方向。
下面附上写的代码：

clear all num=50; % 种群数量为50 pop=rand(num,1)+1; % 生成新种群 pop_v=rands(num,1)*0.5; % 初始化种群速度为-0.5~0.5 g_max=pop; w=1; %这里权重越大越倾向于全局搜索 for i=1:100 pop_fitness=sin(10*pi*pop)./pop; % 计算种群的适应度 z_max=pop(pop_fitness==max(pop_fitness)); % 种族最佳个体 z_max=z_max(1); % 防止最大值重复 g_max_fitness=sin(10*pi*g_max)./g_max; % 计算个体的最佳适应度 g_max=pop.*(g_max_fitness<=pop_fitness)+g_max.*(g_max_fitness>pop_fitness); % 更新个体的最佳适应度 pop_v=w*pop_v+rand*1.49445*(g_max-pop)+rand*1.49445*(z_max-pop); % 更新速度 pop_v(pop_v>0.5)=0.5; % 控制种群速度 pop_v(pop_v<-0.5)=-0.5; pop=pop+pop_v; pop(pop>=2)=2; % 控制种群个体大小 pop(pop<=1)=1; end disp(z_max) % 找到的1~2之间适应度函数最大值的解

123456789101112131415161718192021 注意：该算法比起遗传算法速度较快，实现更简单，但是遇到复杂问题都会产生早熟收敛和收敛性能差的缺点，无法保证收敛到最优点。