matlab生成粒子群算法

以下是使用MATLAB生成粒子群算法的示例代码：

% 设定问题参数
nVar = 5;       % 变量个数
VarSize = [1 nVar];  % 变量大小
VarMin = -10;   % 变量下限
VarMax = 10;    % 变量上限

% 粒子群算法参数
MaxIt = 100;    % 迭代次数
nPop = 50;      % 种群大小
w = 1;          % 惯性权重
wdamp = 0.99;   % 惯性权重衰减系数
c1 = 2;         % 个体学习因子
c2 = 2;         % 社会学习因子
ShowIterInfo = true;    % 是否显示迭代信息

% 初始化种群
empty_particle.Position = [];
empty_particle.Velocity = [];
empty_particle.Cost = [];
empty_particle.Best.Position = [];
empty_particle.Best.Cost = [];

particle = repmat(empty_particle, nPop, 1);

GlobalBest.Cost = inf;

for i = 1:nPop
    % 随机初始化
    particle(i).Position = unifrnd(VarMin, VarMax, VarSize);
    particle(i).Velocity = zeros(VarSize);
    
    % 评估粒子适应度
    particle(i).Cost = CostFunction(particle(i).Position);
    
    % 更新个体最优
    particle(i).Best.Position = particle(i).Position;
    particle(i).Best.Cost = particle(i).Cost;
    
    % 更新全局最优
    if particle(i).Best.Cost < GlobalBest.Cost
        GlobalBest = particle(i).Best;
    end
end

BestCosts = zeros(MaxIt, 1);

% 主循环
for it = 1:MaxIt
    for i = 1:nPop
        % 更新粒子速度
        particle(i).Velocity = w*particle(i).Velocity ...
            + c1*rand(VarSize).*(particle(i).Best.Position - particle(i).Position) ...
            + c2*rand(VarSize).*(GlobalBest.Position - particle(i).Position);
        
        % 限制速度范围
        particle(i).Velocity = max(particle(i).Velocity, VarMin);
        particle(i).Velocity = min(particle(i).Velocity, VarMax);
        
        % 更新粒子位置
        particle(i).Position = particle(i).Position + particle(i).Velocity;
        
        % 限制位置范围
        particle(i).Position = max(particle(i).Position, VarMin);
        particle(i).Position = min(particle(i).Position, VarMax);
        
        % 评估粒子适应度
        particle(i).Cost = CostFunction(particle(i).Position);
        
        % 更新个体最优
        if particle(i).Cost < particle(i).Best.Cost
            particle(i).Best.Position = particle(i).Position;
            particle(i).Best.Cost = particle(i).Cost;
            
            % 更新全局最优
            if particle(i).Best.Cost < GlobalBest.Cost
                GlobalBest = particle(i).Best;
            end
        end
    end
    
    % 显示迭代信息
    if ShowIterInfo
        disp(['迭代次数 ' num2str(it) ': 最优解 = ' num2str(GlobalBest.Cost)]);
    end
    
    % 更新惯性权重
    w = w*wdamp;
    
    % 记录最优解
    BestCosts(it) = GlobalBest.Cost;
end

% 按格式输出结果
disp(['最优解 = ' num2str(GlobalBest.Cost)]);
disp(['最优解位置 = ' num2str(GlobalBest.Position)]);

% 绘制最优解收敛曲线
figure;
semilogy(BestCosts, 'LineWidth', 2);
xlabel('迭代次数');
ylabel('最优解');
grid on;

在以上代码中，`CostFunction` 是需要优化的目标函数，它需要自行定义。可以根据实际情况修改粒子群算法参数，例如种群大小、惯性权重等，以达到更好的优化效果。