用c语言写一个粒子群算法

以下是一个简单的C语言实现粒子群算法的示例代码：

#include <stdio.h>
#include <stdlib.h>
#include <math.h>

#define DIM 2  // 自变量维数
#define POPSIZE 50  // 粒子数
#define MAXITER 100  // 迭代次数
#define C1 2.0  // 学习因子1
#define C2 2.0  // 学习因子2
#define W 0.7  // 惯性因子

typedef struct {
    double x[DIM];  // 自变量
    double v[DIM];  // 速度
    double pbest[DIM];  // 个体最优解
    double fitness;  // 适应度
} PARTICLE;

double func(double x[]) {
    // 目标函数
    return pow(x[0], 2) + pow(x[1], 2);
}

void init_particle(PARTICLE *p) {
    // 初始化粒子
    for (int i = 0; i < DIM; i++) {
        p->x[i] = (double)rand() / RAND_MAX * 10.0 - 5.0;  // 随机初始化自变量
        p->v[i] = (double)rand() / RAND_MAX * 2.0 - 1.0;  // 随机初始化速度
        p->pbest[i] = p->x[i];  // 个体最优解初始化为当前自变量
    }
    p->fitness = func(p->x);  // 计算适应度
}

void update_particle(PARTICLE *p, double gbest[]) {
    // 更新粒子状态
    for (int i = 0; i < DIM; i++) {
        double r1 = (double)rand() / RAND_MAX;
        double r2 = (double)rand() / RAND_MAX;
        p->v[i] = W * p->v[i] + C1 * r1 * (p->pbest[i] - p->x[i]) + C2 * r2 * (gbest[i] - p->x[i]);  // 计算新速度
        p->x[i] += p->v[i];  // 计算新位置
    }
    p->fitness = func(p->x);  // 计算适应度
    if (p->fitness < func(p->pbest)) {
        for (int i = 0; i < DIM; i++) {
            p->pbest[i] = p->x[i];  // 更新个体最优解
        }
    }
}

void update_gbest(PARTICLE p[], double *gbest) {
    // 更新全局最优解
    for (int i = 0; i < POPSIZE; i++) {
        if (p[i].fitness < func(gbest)) {
            for (int j = 0; j < DIM; j++) {
                gbest[j] = p[i].x[j];  // 更新全局最优解
            }
        }
    }
}

int main() {
    PARTICLE p[POPSIZE];  // 粒子群
    double gbest[DIM];  // 全局最优解
    double gbest_fitness;  // 全局最优解的适应度
    srand(0);  // 初始化随机种子
    gbest_fitness = INFINITY;  // 初始化全局最优解的适应度为正无穷
    for (int i = 0; i < POPSIZE; i++) {
        init_particle(&p[i]);  // 初始化粒子
        if (p[i].fitness < gbest_fitness) {
            for (int j = 0; j < DIM; j++) {
                gbest[j] = p[i].x[j];  // 初始化全局最优解
            }
            gbest_fitness = p[i].fitness;  // 更新全局最优解的适应度
        }
    }
    for (int iter = 0; iter < MAXITER; iter++) {
        for (int i = 0; i < POPSIZE; i++) {
            update_particle(&p[i], gbest);  // 更新粒子状态
        }
        update_gbest(p, gbest);  // 更新全局最优解
    }
    printf("gbest: %f %f\n", gbest[0], gbest[1]);  // 输出全局最优解
    return 0;
}

这是一个基本的粒子群算法实现，包括了初始化粒子、更新粒子状态和更新全局最优解等操作。在主函数中，我们首先初始化粒子群和全局最优解，然后进行一定次数的迭代，每次迭代更新粒子状态和全局最优解。最后输出全局最优解。

请注意，这只是一个简单的示例代码，实际应用中可能需要对算法进行更多调整和优化，以达到更好的性能和效果。