粒子群算法(5)-----标准粒子群算法的实现

标准粒子群算法的实现思想基本按照粒子群算法(2)----标准的粒子群算法的讲述实现。主要分为3个函数。第一个函数为粒子群初始化函数

InitSwarm(SwarmSize......AdaptFunc)其主要作用是初始化粒子群的粒子,并设定粒子的速度、位置在一定的范围内。本函数所采用的数据结构如下所示:

表ParSwarm记录的是粒子的位置、速度与当前的适应度值,我们用W来表示位置,用V来代表速度,用F来代表当前的适应度值。在这里我们假设粒子个数为N,每个粒子的维数为D。

W1,1 W1,2 ... W1,D V1,1 V1,2 ... V1,D-1 V1,D F1 第1个粒子
W2,1 W2,2 ... W2,D V2,1 V2,2 ... V2,D-1 V2,D F2 第2个粒子
... ... ... ... ... ... ... ... ... ... .......
WN-1,1 WN-1,2 ... WN-1,D-1 VN-1,1 VN-1,2 ... VN-1,D-1 VN-1,D FN-1 第N-1个粒子
WN,1 WN,2 ... WN,D VN,1 VN,2 ... VN,D-1 VN,D FN 第N个粒子

表OptSwarm记录每个粒子的历史最优解(粒子历史最好的适应度)以及全部粒子搜索到的全局最优解。用Wg代表全局最优解,W.,1代表每个粒子的历史最优解。粒子群初始化阶段表OptSwarm的前N行与表ParSwarm中的相同,而Wg的值为表ParSwarm中适应度值的最大值对应的行。

Wj,1 Wj,2 ... Wj,D-1 Wj,D 第1个粒子的历史最优解
Wk,1 Wk,2 ... Wk,D-1 Wk,D 第2个粒子的历史最优解
... ... ... ... ... ...
Wl,1 Wl,2 ... Wl,D-1 Wl,D 第N-1个粒子的历史最优解
Wm,1 Wm,2 ... Wm,D-1 Wm,D 第N个粒子的历史最优解
Wg,1 Wg,2 ... Wg,D-1 Wg,D 全局粒子的历史最优解
时间: 2024-12-22 15:55:59

粒子群算法(5)-----标准粒子群算法的实现的相关文章

粒子群算法(8)---混合粒子群算法的实现

混合粒子群算法将全局粒子群算法与局部粒子群算法结合,其速度更新采用公 式 其中G(k+1)是全局版本的速度更新公式,而L(k+1)是局部版本的速度更新 公式,混合粒子群算法采用H(k+1)的公式. 位置更新公式 因为是局部版本与全局版本相结合,所以,粒子群的初始化函数应该与局部版 本的相同,这里就不列出了,参看粒子群算法(7)中的LocalInitSwarm函数. 关键还是混合粒子群算法的单步更新函数,函数名为HybridStepPso 代码如下: function [ParSwarm,OptS

mbpso-matlab 粒子群算法,二进制粒子群算法,决策树,不均衡数据分类,特征提取,石油储层含油性识别

问题描述 matlab 粒子群算法,二进制粒子群算法,决策树,不均衡数据分类,特征提取,石油储层含油性识别 希望懂这方面知识的能帮一下我,具体分析希望能QQ或者微信聊,我在做一个二进制粒子群算法和加入变异算子的改良二进制粒子群算法以及决策树分类,特征提取相关结果比较分类正确率,原理我都懂,就是细节和代码那方面很迷糊,数据集和代码连接不会. 解决方案 http://emuch.net/html/201405/7400543.html 解决方案二: http://emuch.net/html/201

粒子群算法(3)----标准的粒子群算法(局部版本)

在全局版的标准粒子群算法中,每个粒子的速度的更新是根据两个因素来变化的,这两个因素是:1. 粒子自己历史最优值pi.2. 粒子群体的全局最优值pg.如果改变粒子速度更新公式,让每个粒子的速度的更新根据以下两个因素更新,A. 粒子自己历史最优值pi.B. 粒子邻域内粒子的最优值pnk.其余保持跟全局版的标准粒子群算法一样,这个算法就变为局部版的粒子群算法. 一般一个粒子i 的邻域随着迭代次数的增加而逐渐增加,开始第一次迭代,它的邻域为0,随着迭代次数邻域线性变大,最后邻域扩展到整个粒子群,这时就变

粒子群算法(2)----标准的粒子群算法

在上一节的叙述中,唯一没有给大家介绍的就是函数的这些随机的点(粒子)是如何运动的,只是说按照一定的公式更新.这个公式就是粒子群算法中的位置速度更新公式.下面就介绍这个公式是什么.在上一节中我们求取函数y=1-cos(3*x)*exp(-x)的在[0,4]最大值.并在[0,4]之间放置了两个随机的点,这些点的坐标假设为x1=1.5: x2=2.5:这里的点是一个标量,但是我们经常遇到的问题可能是更一般的情况--x为一个矢量的情况,比如二维的情况 z=2*x1+3*x22的情况.这个时候我们的每个粒

粒子群算法(7)------粒子群算法局部版本的实现

最近要写篇与粒子群算法有关的文章,因此不得不实现粒子群算法的局部版本 .粒子群算法局部版本的实现思想已经在粒子群算法(3)----标准的粒子群算法( 局部版本)中已经讲述.主要分为3个函数.第一个函数为粒子群初始化函数 LocalInitSwarm(SwarmSize......AdaptFunc)其主要作用是初始化粒子群的粒子 ,并设定粒子的速度.位置在一定的范围内.本函数所采用的数据结构如下所示 : 表ParSwarm记录的是粒子的位置.速度与当前的适应度值,我们用W来表示位 置,用V来代表

c语言-基于C语言,用蚁群算法求最优路径。百度复制粘贴的别来了。。。要求可以直接运行的代码哈

问题描述 基于C语言,用蚁群算法求最优路径.百度复制粘贴的别来了...要求可以直接运行的代码哈 一个人从上海大学出发,经过若干个地点,路线不重复走,最后回到上海大学,找三条优化路线. 上海大学:北纬N31°19′5.86″ 东经E121°23′21.52″ 星雨城:北纬N31°19′46.58″ 东经E121°24′9.29″ 大康公寓:北纬N31°19′18.88″ 东经E121°25′3.98″ 文景楼:北纬N22°35′23.78″ 东经E113°52′50.67″ 大场中学:北纬N31°

粒子群算法(4)----粒子群算法分类

粒子群算法主要分为4个大的分支: (1)标准粒子群算法的变形 在这个分支中,主要是对标准粒子群算法的惯性因子.收敛因子(约束因子)."认知"部分的c1,"社会"部分的c2进行变化与调节,希望获得好的效果. 惯性因子的原始版本是保持不变的,后来有人提出随着算法迭代的进行,惯性因子需要逐渐减小的思想.算法开始阶段,大的惯性因子可以是算法不容易陷入局部最优,到算法的后期,小的惯性因子可以使收敛速度加快,使收敛更加平稳,不至于出现振荡现象.经过本人测试,动态的减小惯性因子w

粒子群算法(1)----粒子群算法简介

一.粒子群算法的历史 粒子群算法源于复杂适应系统(Complex Adaptive System,CAS).CAS理论于1994年正式提出,CAS中的成员称为主体.比如研究鸟群系统,每个鸟在这个系统中就称为主体.主体有适应性,它能够与环境及其他的主体进行交流,并且根据交流的过程"学习"或"积累经验"改变自身结构与行为.整个系统的演变或进化包括:新层次的产生(小鸟的出生):分化和多样性的出现(鸟群中的鸟分成许多小的群):新的主题的出现(鸟寻找食物过程中,不断发现新的食

请教各位高手,在。NET环境下用C#能解决蚁群算法,粒子群算法等问题吗?

问题描述 请教各位高手,在.NET环境下用C#能解决蚁群算法,粒子群算法等问题吗?虽然知道.NET环境的优势并不在解决这些算法上,但只是现在这个环境用得比较熟,现在想要用这几种算法解决点问题,大家看在这个环境下能应用好呢,还是换作VC之类的比较好呀?因为看了一点别人写的算法,用C#编的很少呀~ 解决方案 解决方案二:应该是可以的解决方案三:有了算法,就选择自己比较熟悉的工具去做吧那样自己也有信心点,呵呵解决方案四:有了算法,就选择自己比较熟悉的工具去做吧那样自己也有信心点,呵呵解决方案五:有了算