首页 / 软件开发 / 数据结构与算法 / 粒子群算法（8）---混合粒子群算法的实现

粒子群算法（8）---混合粒子群算法的实现2011-09-02 csdn博客 niuyongjie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,OptSwarm]=HybridStepPso（ParSwarm,OptSwarm,AdaptFunc,ParticleScope,MaxW,MinW,LoopCount,CurCount）% 功能描述：混合粒子群算法。将全局版本与局部版本相混合。基本的粒子群算法的单步更新位置,速度的算法%%[ParSwarm,OptSwarm]=LocalStepPsoByCircle（ParSwarm,OptSwarm,AdaptFunc,ParticleScope,MaxW,MinW,LoopCount,CurCount）%%算法思想：全局版本的速度更新公式：vq（k+1）=w*v（k）+c1*r1*（pg-w）+c2*r2*（pq-w）%pg为个体历史最优，pq为全局最优%局部版本的速度更新公式：vl（k+1）=w*v（k）+c1*r1*（pg-w）+c2*r2*（pl-w） pl为邻域最优%现在速度更新公式vh=n*vq+（1-n）*vl;n属于0到1的一个数% 输入参数：ParSwarm:粒子群矩阵，包含粒子的位置，速度与当前的目标函数值%输入参数：OptSwarm：包含粒子群个体最优解与全局最优解的矩阵%输入参数：ParticleScope:一个粒子在运算中各维的范围；% 输入参数：AdaptFunc：适应度函数%输入参数：LoopCount：迭代的总次数%输入参数：CurCount：当前迭代的次数%% 返回值：含意同输入的同名参数%%用法：[ParSwarm,OptSwarm]=LocalStepPsoByCircle（ParSwarm,OptSwarm,AdaptFunc,ParticleScope,MaxW,MinW,LoopCount,CurCount）%% 异常：首先保证该文件在Matlab的搜索路径中，然后查看相关的提示信息。%%编制人：XXX%编制时间：2010.5.6%参考文献：XXX%参考文献：XXX%%修改记录%----------------------------------------------------------------%2010.5.6%修改人：XXX% 添加2*unifrnd（0,1）.*SubTract1（row,:）中的unifrnd（0,1）随机数，使性能大为提高%修改混合因子，从小到大，开始从CurCount/LoopCount开始%修改C1=2.05,C2=2.05%修改速度的范围时区间每维范围的0.5（一半）%参照基于MATLAB的粒子群优化算法程序设计%% 总体评价：使用这个版本的调节系数，效果比较好%%容错控制if nargin~=8error（"输入的参数个数错误。"）endif nargout~=2error（"输出的个数太少，不能保证循环迭代。"）end%开始单步更新的操作%*********************************************%***** 更改下面的代码，可以更改惯性因子的变化*****%---------------------------------------------------------------------% 线形递减策略w=MaxW-CurCount*（（MaxW-MinW）/LoopCount）;%---------------------------------------------------------------------%w 固定不变策略%w=0.7;%---------------------------------------------------------------------% 参考文献：陈贵敏，贾建援，韩琪，粒子群优化算法的惯性权值递减策略研究，西安交通大学学报，2006，1%w 非线形递减，以凹函数递减%w=（MaxW-MinW）*（CurCount/LoopCount）^2+（MinW-MaxW）*（2*CurCount/LoopCount）+MaxW;%---------------------------------------------------------------------%w 非线形递减，以凹函数递减%w=MinW*（MaxW/MinW）^（1/（1+10*CurCount/LoopCount））;%*****更改上面的代码，可以更改惯性因子的变化*****%*********************************************%更改下面代码可以改变混合因子的取值%-----------------------------------------------Hybrid=CurCount/LoopCount;%-----------------------------------------------% 得到粒子群群体大小以及一个粒子维数的信息[ParRow,ParCol]=size（ParSwarm）;%得到粒子的维数ParCol=（ParCol-1）/2;GlobleSubTract1=OptSwarm（1:ParRow,:）-ParSwarm（:,1:ParCol）;%粒子自身历史最优解位置减去粒子当前位置LocalSubTract1=OptSwarm（1:ParRow,:）-ParSwarm（:,1:ParCol）;%粒子自身历史最优解位置减去粒子当前位置LocalSubTract2=OptSwarm（ParRow+1:end-1,:）-ParSwarm（:,1:ParCol）;%粒子邻域最优解位置减去粒子当前位置%*********************************************%***** 更改下面的代码，可以更改c1,c2的变化*****c1=2.05;c2=2.05;%---------------------------------------------------------------------%con=1;%c1=4-exp（-con*abs（mean（ParSwarm（:,2*ParCol+1））-AdaptFunc（OptSwarm（ParRow+1,:））））;%c2=4-c1;%----------------------------------------------------------------------%***** 更改上面的代码，可以更改c1,c2的变化*****%*********************************************for row=1:ParRowGlobleSubTract2=OptSwarm（ParRow*2+1,:）-ParSwarm（row,1:ParCol）;%全局最优的位置减去每个粒子当前的位置LocalTempV=w.*ParSwarm（row,ParCol+1:2*ParCol）+c1*unifrnd（0,1）.*LocalSubTract1（row,:）+c2*unifrnd（0,1）.*LocalSubTract2（row,:）;GlobleTempV=w.*ParSwarm（row,ParCol+1:2*ParCol）+c1*unifrnd（0,1）.*GlobleSubTract1（row,:）+c2*unifrnd（0,1）.*GlobleSubTract2;TempV=Hybrid.*GlobleTempV+（1-Hybrid）.*LocalTempV;%限制速度的代码for h=1:ParColif TempV（:,h）>ParticleScope（h,2）/2.0TempV（:,h）=ParticleScope（h,2）/2.0;endif TempV（:,h）<-ParticleScope（h,2）/2.0TempV（:,h）=（-ParticleScope（h,2）+1e-10）/2.0;%加1e-10防止适应度函数被零除endend% 更新速度ParSwarm（row,ParCol+1:2*ParCol）=TempV;%*********************************************%***** 更改下面的代码，可以更改约束因子的变化*****%---------------------------------------------------------------------%a=1;%---------------------------------------------------------------------a=0.729;%***** 更改上面的代码，可以更改约束因子的变化*****%*********************************************% 限制位置的范围TempPos=ParSwarm（row,1:ParCol）+a*TempV;for h=1:ParColif TempPos（:,h）>ParticleScope（h,2）TempPos（:,h）=ParticleScope（h,2）;endif TempPos（:,h）<=ParticleScope（h,1）TempPos（:,h）=ParticleScope（h,1）+1e-10;endend%更新位置ParSwarm（row,1:ParCol）=TempPos;% 计算每个粒子的新的适应度值ParSwarm（row,2*ParCol+1）=AdaptFunc（ParSwarm（row,1:ParCol））;if ParSwarm（row,2*ParCol+1）>AdaptFunc（OptSwarm（row,1:ParCol））OptSwarm（row,1:ParCol）=ParSwarm（row,1:ParCol）;endend%for循环结束%确定邻域的范围linyurange=fix（ParRow/2）;%确定当前迭代的邻域范围jiange=ceil（LoopCount/linyurange）;linyu=ceil（CurCount/jiange）;for row=1:ParRowif row-linyu>0&&row+linyu<=ParRowtempM =[ParSwarm（row-linyu:row-1,:）;ParSwarm（row+1:row+linyu,:）];[maxValue,linyurow]=max（tempM（:,2*ParCol+1））;if maxValue>AdaptFunc（OptSwarm（ParRow+row,:））OptSwarm（ParRow+row,:）=tempM（linyurow,1:ParCol）;endelseif row-linyu<=0%该行上面的部分突出了边界，下面绝对不会突破边界if row==1tempM=[ParSwarm（ParRow+row-linyu:end,:）;ParSwarm（row+1:row+linyu,:）];[maxValue,linyurow]=max（tempM（:,2*ParCol+1））;if maxValue>AdaptFunc（OptSwarm（ParRow+row,:））OptSwarm（ParRow+row,:）=tempM（linyurow,1:ParCol）;endelsetempM=[ParSwarm（1:row-1,:）;ParSwarm（ParRow+row-linyu:end,:）;ParSwarm（row+1:row+linyu,:）];[maxValue,linyurow]=max（tempM（:,2*ParCol+1））;if maxValue>AdaptFunc（OptSwarm（ParRow+row,:））OptSwarm（ParRow+row,:）=tempM（linyurow,1:ParCol）;endendelse%该行下面的部分突出了边界，上面绝对不会突破边界if row==ParRowtempM=[ParSwarm（ParRow-linyu:row-1,:）;ParSwarm（1:linyu,:）];[maxValue,linyurow]=max（tempM（:,2*ParCol+1））;if maxValue>AdaptFunc（OptSwarm（ParRow+row,:））OptSwarm（ParRow+row,:）=tempM（linyurow,1:ParCol）;endelsetempM=[ParSwarm（row-linyu:row-1,:）;ParSwarm（row+1:end,:）;ParSwarm（1:linyu-（ParRow-row）,:）];[maxValue,linyurow]=max（tempM（:,2*ParCol+1））;if maxValue>AdaptFunc（OptSwarm（ParRow+row,:））OptSwarm（ParRow+row,:）=tempM（linyurow,1:ParCol）;endendendendend%for%寻找适应度函数值最大的解在矩阵中的位置（行数），进行全局最优的改变[maxValue,row]=max（ParSwarm（:,2*ParCol+1））;if AdaptFunc（ParSwarm（row,1:ParCol））>AdaptFunc（OptSwarm（ParRow*2+1,:））OptSwarm（ParRow*2+1,:）=ParSwarm（row,1:ParCol）;end