function [Solution Result] = Untitled2() %初始化 clear all;clc;% 给定初始条件c1=1.4962; %学习因子 c1c2=1.4962; %学习因子 c2w=0.7298; %惯性全数MaxDT=10000; %最大迭代数N=40; %初始化群体个体数目D=10; %搜素空间维数max=10;min=-10;eps=10^(-6); %设置精度 % 初始化种群的个体for i=1:N for j=1:D x(i,j)=(max-min)*rand+min; % 随机初始化位置 v(i,j)=20*rand-10; %随机初始化速度 endend%计算粒子的适应度，初始化Pi和Pgfor i=1:N pi=fitness(x(i,:),D); %局部最优 y(i,:)=x(i,:);pg=x(i,:); %pg为全局最优endfor i=1:N if pi<fitness(pg,D) pg=x(i,:); endend%进入主循环for ite=1:MaxDT %迭代过程 for i=1:N v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:)); sig(v)=1/(1+exp(-v(i,:))); if rand()<sig(v) x(i,:)=1; else x(i,:)=0; end if fitness(x(i,:),D)<pi %迭代寻找局部最优 pi=fitness(x(i,:),D); y(i,:)=x(i,:); end if pi<fitness(pg,D) %迭代寻找全局最优 pg=y(i,:); end endend%最后计算结果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=fitness(pg,D) disp('********************************************') function Result=fitness(x,D)sum=0.0;for i=1:D sum=sum+x(i)^2;endResult=sum;
|
