带压缩因子的粒子群算法

主程序：
%------基本粒子群优化算法（Particle Swarm Optimization）----------- %------名称：带压缩因子的粒子群优化算法（PSO）
%------作用：求解优化问题
%------说明：全局性，并行性，高效的群体智能算法，提高解的精度
%------初始格式化-------------------------------------------------- clear all;
clc;
format long;
%------给定初始化条件---------------------------------------------- %c1=1.4962; %学习因子1
c1=3;
c2=2;
%c2=1.4962; %学习因子2
w=0.7298; %惯性权重
MaxDT=100; %最大迭代次数
D=6; %搜索空间维数（未知数个数）
N=20; %初始化群体个体数目
eps=10^(-6); %设置精度(在已知最小值时候用)
phi=c1+c2;
if phi<=4
disp('c1与c2的和必须大于4! ');
xm=NaN;
fv=NaN;
return;
end
%------初始化种群的个体(可以在这里限定位置和速度的范围)------------ for i=1:N
for j=1:D
x(i,j)=randn; %随机初始化位置
v(i,j)=randn; %随机初始化速度
end
end
%------先计算各个粒子的适应度，并初始化Pi和Pg---------------------- figure(3)
for i=1:N
P(i)=fitness2(x(i,:));
y(i,:)=x(i,:);
end
Pg=x(N,:); %Pg为全局最优
for i=1:(N-1)
if fitness2(x(i,:))<fitness2(Pg)
Pg=x(i,:);
end
end
%------进入主要循环，按照公式依次迭代，直到满足精度要求------------ for t=1:MaxDT
for i=1:N
ksi=2/abs(2-phi-sqrt(phi^2-4*phi));%ksi为压缩因子
v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(Pg-x(i,:));
v(i,:)=ksi*v(i,:);
x(i,:)=x(i,:)+v(i,:);
if fitness2(x(i,:))<P(i)
P(i)=fitness2(x(i,:));
y(i,:)=x(i,:);
end
if P(i)<fitness2(Pg)
Pg=y(i,:);
end
end
Pbest(t)=fitness2(Pg);
end
plot(Pbest)
TempStr=sprintf('c1= %g ,c2=%g',c1,c2);
title(TempStr);
xlabel('迭代次数');
ylabel('适应度值');
%------最后给出计算结果
disp('*************************************************************') disp('函数的全局最优位置为：')
Solution=Pg
disp('最后得到的优化极值为：')
Result=fitness2(Pg)
disp('*************************************************************') 功能函数：
适应度函数源程序（fitness2.m）
function result=fitness2(x)
sum=0;
D=6;
for i=1:D
sum=sum+x(i)^2;
end
result=sum;。