群智能算法matlab仿真代码

群智能算法包括粒子群优化算法、蚁群算法、人工鱼群算法等，它们都是基于模拟自然界中生物群体行为而发展起来的一类优化算法。以下是其中两种算法的MATLAB仿真代码示例：

粒子群优化算法：

function [gbest, gbestval] = PSO(fitfunc, dim, lb, ub, maxgen, popsize, w, c1, c2)
% fitfunc: 适应度函数
% dim: 变量维数
% lb: 变量下界
% ub: 变量上界
% maxgen: 最大迭代次数
% popsize: 种群大小
% w: 惯性因子
% c1: 学习因子
% c2: 学习因子

% 初始化粒子
pos = lb + (ub - lb) .* rand(popsize, dim);
vel = zeros(popsize, dim);
pbest = pos;
pbestval = feval(fitfunc, pbest);

% 初始化全局最优解
[gbestval, gbestidx] = min(pbestval);
gbest = pbest(gbestidx, :);

% 迭代寻优
for i = 1 : maxgen
    % 更新速度和位置
    vel = w .* vel + c1 .* rand(popsize, dim) .* (pbest - pos) + c2 .* rand(popsize, dim) .* (repmat(gbest, popsize, 1) - pos);
    pos = pos + vel;
    
    % 边界处理
    pos(pos < lb) = lb(pos < lb);
    pos(pos > ub) = ub(pos > ub);
    
    % 计算适应度值
    fitval = feval(fitfunc, pos);
    
    % 更新粒子历史最优解
    pbestidx = fitval < pbestval;
    pbest(pbestidx, :) = pos(pbestidx, :);
    pbestval(pbestidx) = fitval(pbestidx);
    
    % 更新全局最优解
    [curgbestval, curgbestidx] = min(pbestval);
    if curgbestval < gbestval
        gbestval = curgbestval;
        gbest = pbest(curgbestidx, :);
    end
end
end

蚁群算法：

function [gbest, gbestval] = ACO(fitfunc, dim, lb, ub, maxgen, popsize, alpha, beta, rho, Q)
% fitfunc: 适应度函数
% dim: 变量维数
% lb: 变量下界
% ub: 变量上界
% maxgen: 最大迭代次数
% popsize: 蚂蚁数量
% alpha: 信息素重要程度因子
% beta: 启发式因子重要程度因子
% rho: 信息素挥发因子
% Q: 常数因子

% 初始化蚂蚁
antpos = lb + (ub - lb) .* rand(popsize, dim);
antval = feval(fitfunc, antpos);
antbestpos = antpos;
antbestval = antval;

% 初始化信息素矩阵
pheromone = ones(dim, dim) ./ dim;

% 寻找最优解
for i = 1 : maxgen
    % 更新信息素
    delta_pheromone = zeros(dim, dim);
    for j = 1 : popsize
        ant = antpos(j, :);
        for k = 1 : dim-1
            idx1 = find(ant == antbestpos(j, k));
            idx2 = find(ant == antbestpos(j, k+1));
            delta_pheromone(idx1, idx2) = delta_pheromone(idx1, idx2) + Q/antbestval(j);
        end
    end
    pheromone = (1-rho) .* pheromone + delta_pheromone;
    
    % 更新蚂蚁位置
    for j = 1 : popsize
        ant = antpos(j, :);
        for k = 1 : dim-1
            idx1 = find(ant == ant(k));
            p = pheromone(idx1, :);
            p(:, idx1) = 0;
            p = p .^ alpha .* ((1./abs(ant(k+1)-ant)) .^ beta);
            p = p ./ sum(p);
            ant(k+1) = roulette(p);
        end
        antval(j) = feval(fitfunc, ant);
        if antval(j) < antbestval(j)
            antbestval(j) = antval(j);
            antbestpos(j, :) = ant;
        end
    end
    
    % 更新全局最优解
    [curgbestval, curgbestidx] = min(antbestval);
    if curgbestval < gbestval
        gbestval = curgbestval;
        gbest = antbestpos(curgbestidx, :);
    end
end
end

function idx = roulette(p)
% 轮盘赌选择
r = rand;
cs = cumsum(p);
idx = find(r <= cs, 1, 'first');
end