C语言写粒子群算法

粒子群算法（Particle Swarm Optimization，PSO）是一种基于种群的随机优化算法，适用于连续优化问题。下面是用C语言实现粒子群算法的基本步骤：

1. 定义粒子结构体，包括粒子的位置、速度、适应度等信息。

typedef struct {
    double *position; // 粒子位置
    double *velocity; // 粒子速度
    double *pbest;    // 粒子历史最优位置
    double fitness;   // 粒子适应度
} Particle;

2. 初始化粒子群，随机生成粒子的位置和速度，并计算粒子的适应度。

void init_particles(Particle *particles, int size) {
    for (int i = 0; i < size; i++) {
        for (int j = 0; j < DIM; j++) {
            particles[i].position[j] = rand() % 100; // 随机生成粒子位置
            particles[i].velocity[j] = rand() % 10; // 随机生成粒子速度
        }
        particles[i].fitness = evaluate(particles[i].position); // 计算粒子适应度
        memcpy(particles[i].pbest, particles[i].position, DIM * sizeof(double)); // 粒子历史最优位置初始化为当前位置
    }
}

3. 更新粒子速度和位置，根据粒子历史最优位置和全局最优位置进行调整，并重新计算粒子适应度。

void update_particles(Particle *particles, int size, double *gbest) {
    for (int i = 0; i < size; i++) {
        for (int j = 0; j < DIM; j++) {
            double r1 = (double)rand() / RAND_MAX;
            double r2 = (double)rand() / RAND_MAX;
            particles[i].velocity[j] = particles[i].velocity[j] + C1 * r1 * (particles[i].pbest[j] - particles[i].position[j]) + C2 * r2 * (gbest[j] - particles[i].position[j]); // 更新粒子速度
            particles[i].position[j] = particles[i].position[j] + particles[i].velocity[j]; // 更新粒子位置
        }
        particles[i].fitness = evaluate(particles[i].position); // 重新计算粒子适应度
        if (particles[i].fitness < evaluate(particles[i].pbest)) {
            memcpy(particles[i].pbest, particles[i].position, DIM * sizeof(double)); // 更新粒子历史最优位置
        }
    }
}

4. 执行粒子群算法，迭代更新粒子速度和位置，直到满足终止条件。

void pso() {
    Particle particles[PSO_SIZE];
    double gbest[DIM];
    double gbest_fitness = DBL_MAX;
    init_particles(particles, PSO_SIZE);
    for (int i = 0; i < PSO_ITERATIONS; i++) {
        for (int j = 0; j < PSO_SIZE; j++) {
            if (particles[j].fitness < gbest_fitness) {
                gbest_fitness = particles[j].fitness;
                memcpy(gbest, particles[j].position, DIM * sizeof(double)); // 更新全局最优位置
            }
        }
        update_particles(particles, PSO_SIZE, gbest); // 更新粒子速度和位置
    }
    printf("gbest fitness: %lf\n", gbest_fitness); // 输出全局最优解
}

需要注意的是，PSO算法的参数包括粒子个数、迭代次数、加速因子等，需要根据具体问题进行调整。