基于线性递减的惯性权重的粒子群优化算法C++代码实现

以下是基于线性递减惯性权重的粒子群优化算法的C++代码实现，希望能对您有所帮助：

#include <iostream>
#include <cmath>
#include <ctime>
#include <cstdlib>

using namespace std;

// 定义常量
const int N = 50; // 粒子个数
const int T = 100; // 迭代次数
const double w = 0.9; // 惯性权重
const double c1 = 2.0; // 学习因子1
const double c2 = 2.0; // 学习因子2
const double Vmax = 0.5; // 粒子速度最大值
const double eps = 1e-6; // 误差阈值

// 定义函数
double f(double x);

// 定义结构体
struct Particle {
    double x; // 粒子位置
    double v; // 粒子速度
    double pbest; // 个体历史最优位置
};

// 粒子群优化算法
void PSO() {
    srand((unsigned)time(NULL)); // 随机数种子初始化
    Particle p[N]; // 粒子数组
    double gbest; // 全局历史最优位置
    double fitness[N]; // 适应度值数组
    double V[N]; // 粒子速度数组

    // 初始化粒子
    for (int i = 0; i < N; i++) {
        p[i].x = (double)(rand() % 100) / 100; // 随机生成位置
        p[i].v = (double)(rand() % 100) / 100; // 随机生成速度
        p[i].pbest = p[i].x; // 初始化个体历史最优位置
        fitness[i] = f(p[i].x); // 计算适应度值
        V[i] = p[i].v; // 初始化粒子速度
    }

    // 初始化全局历史最优位置
    gbest = p[0].x;
    for (int i = 1; i < N; i++) {
        if (f(p[i].x) > f(gbest)) {
            gbest = p[i].x;
        }
    }

    // 迭代优化
    for (int t = 0; t < T; t++) {
        for (int i = 0; i < N; i++) {
            // 更新粒子速度
            V[i] = w * V[i] + c1 * (p[i].pbest - p[i].x) * (double)(rand() % 100) / 100 + c2 * (gbest - p[i].x) * (double)(rand() % 100) / 100;
            if (V[i] > Vmax) {
                V[i] = Vmax;
            }
            if (V[i] < -Vmax) {
                V[i] = -Vmax;
            }

            // 更新粒子位置
            p[i].x = p[i].x + V[i];
            if (p[i].x > 1.0) {
                p[i].x = 1.0;
            }
            if (p[i].x < 0.0) {
                p[i].x = 0.0;
            }

            // 更新个体历史最优位置
            if (f(p[i].x) > f(p[i].pbest)) {
                p[i].pbest = p[i].x;
            }

            // 更新全局历史最优位置
            if (f(p[i].x) > f(gbest)) {
                gbest = p[i].x;
            }
        }

        // 判断是否满足误差阈值
        if (f(gbest) < eps) {
            break;
        }
    }

    // 输出结果
    cout << "最优解：" << gbest << endl;
    cout << "最优解对应的函数值：" << f(gbest) << endl;
}

int main() {
    PSO();
    return 0;
}

double f(double x) {
    return -x * sin(sqrt(fabs(x)));
}

注意，这里只是一个简单的实现示例，实际应用中需要根据具体问题进行调整和优化。