哽喉的话%function [pso F] = pso_2D()
% FUNCTION PSO --------USE Particle Swarm Optimization Algorithm % global present; % close all; clc; clear all;
pop_size = 10; % pop_size 种群大小 ///粒子数量 part_size = 2; % part_size 粒子大小 ///粒子的维数 gbest = zeros(1,part_size+1); % gbest 当前搜索到的最小的值 max_gen = 200; % max_gen 最大迭代次数
?st=zeros(part_size,pop_size*part_size);%xuan
region=zeros(part_size,2); % 设定搜索空间范围->解空间
region=10*[-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3;-3,3]; % 每一维设定不同范围(称之为解空间，不是可行域空间）
rand('state',sum(100*clock)); % 重置随机数发生器状态
%当前种群的信息矩阵，逐代进化的群体 % 当前位置,随机初始化
% 一个10*3的随机的矩阵（初始化所有粒子的所有维数的位置值），其中最后一列为 arr_present = ini_pos(pop_size,part_size);
% 初始化当前速度
% 一个10*2的随机的矩阵（初始化所有粒子的所有维数的速度值） v=ini_v(pop_size,part_size);
%不是当前种群，可看作是一个外部的记忆体，存储每个粒子历史最优值（2维数值）：根据适应度更新！
%注意：pbest数组10*3 最后一列保存的是适应度
pbest = zeros(pop_size,part_size+1); % pbest：粒子以前搜索到的最优值，最后一列包括这些值的适应度
% 1*80 保存每代的最优值
best_record = zeros(part_size+1,max_gen); % best_record数组：记录每一代的最好的粒子的适应度
w_max = 0.9; % w_max权系数最大值 w_min = 0.2; % w_min权系数最小值 v_max = 2; % 最大速度,为粒子的范围宽度 c1 = 2; % 学习因子1 c2 = 2; % 学习因子2
% ———————————————————————— % 计算原始种群的适应度,及初始化
% ————————————————————————
% 注意：传入的第一个参数是当前的粒子群体 ，ini_fit函数计算每个粒子的适应度 % arr_present(:,end)是最后一列 ，保存每个粒子的适应值，是这样的！xuan arr_present(:,end)= ini_fit( arr_present, pop_size, part_size );
% 数组赋值，初始化每个粒子个体的历史最优值，以后会更新的 pbest = arr_present; % 初始化各个粒子最优值
% 找到当前群体中适应度最小的（在最后一列中寻找），best_value % 改为max，表示关联度最大
[best_value best_index] = max(arr_present(:,end)); %初始化全局最优，即适应度为全局最小的值，根据需要也可以选取为最大值
% 唯一的全局最优值，是当前代所有粒子中最好的一个 gbest = arr_present(best_index,:);
% 因为是多目标，因此这个----------------- % 只是示意性的画出3维的 %x=[-3:0.01:3]; %y=[-3:0.01:3]; %[X,Y]=meshgrid(x,y);
%Z1=(-10)*exp((-0.2)*sqrt(X^2+Y^2));
%Z2=(abs(X))^0.8+abs(Y)^0.8+5*sin(X^3)+5*sin(Y^3);
%z1=@(x,y)(-10)*exp((-0.2)*sqrt(x^2+y^2));
%z2=@(x,y)(abs(x))^0.8+abs(y)^0.8+5*sin(x^3)+5*sin(y^3); %ezmeshc(z1);grid on; %ezmeshc(z2);grid on;
%开始进化，直到最大代数截至 for i=1:max_gen %grid on;
%三维图象 %多维图象是画不出来的 %ezmesh(z),hold on,grid on; %画出粒子群
%plot3(arr_present(:,1),arr_present(:,2),arr_present(:,3),'*'),hold off; %drawnow %flush
%pause(0.01);
w = w_max-(w_max-w_min)*i/max_gen; % 线形递减权重
% 当前进化代数：对于每个粒子进行更新和评价----->>>>>>> for j=1:pop_size
v(j,:)
w.*v(j,:)+c1.*rand.*(pbest(j,1:part_size)-arr_present(j,1:part_size))...
=
+c2.*rand.*(gbest(1:part_size)-arr_present(j,1:part_size)); % 粒子速度更新 (a)
%
判断
v
的大小，限制
v
的绝对值小于
20——————————————————— for k=1:part_size if abs(v(j,k))>20
rand('state',sum(100*clock)); v(j,k)=20*rand(); end end
%前几列是位置信息
arr_present(j,1:part_size) arr_present(j,1:part_size)+v(j,1:part_size);% 粒子位置更新 (b) %最后一列是适应度
arr_present(j,end) = fitness(part_size,arr_present(j,1:part_size)); % 适应度更新 （保存至最后一列）
% 适应度评价与可行域限制
if (arr_present(j,end)>pbest(j,end))&(Region_in(arr_present(j,:),region)) % 根据条件更新pbest,如果是最小的值为小于号,相反则为大于号
pbest(j,:) = arr_present(j,:); % 更新个体的历史极值 end end
=
% 以下更新全局的极值
[best best_index] = max(arr_present(:,end)); % 如果是最小的值为min,相反则为max
if best>gbest(end) & ( Region_in(arr_present(best_index,:),region) ) % 如果当前最好的结果比以前的好，则更新最优值gbest,如果是最小的值为小于号,相反则为大于号
gbest = arr_present(best_index,:); % 全局的极值 end
%------------混沌--------------------------------- xlhd = gbest(1:part_size); if(1)
for p=1:25 %次数 %1生成
cxl=rand(1,part_size); for j=1:part_size if cxl(j)==0 cxl(j)=0.1; end
if cxl(j)==0.25 cxl(j)=0.26; end
if cxl(j)==0.5 cxl(j)=0.51; end
if cxl(j)==0.75 cxl(j)=0.76; end
if cxl(j)==1
