首页 / 软件开发 / 数据结构与算法 / 粒子群算法（7）------粒子群算法局部版本的实现

粒子群算法（7）------粒子群算法局部版本的实现2011-09-02 csdn博客 niuyongjie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不但要记录自身历史最优解，还需要记录每个粒子邻域（ 采用环形邻域）的最优解，以及全部粒子搜索到的全局最优解。因此应该有2*N+1 行，前SwarmSize行记录粒子自己历史最优解，后SwarmSize行记录邻域最优解。

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。

W1,1	Wj,2	...	Wj,D-1	Wj,D	第1个粒子的历史最优解
W2,1	Wk,2	...	Wk,D-1	Wk,D	第2个粒子的历史最优解
...	...	...	...	...	...
W（N-1）,1	Wl,2	...	Wl,D-1	Wl,D	第N-1个粒子的历史最优解
W（N）,1	Wm,2	...	Wm,D-1	Wm,D	第N个粒子的历史最优解
Wl,1	...	...	...	Wl,D	第一个粒子的邻域最优解
Wl,2	...	...	...	Wl,D	第二个粒子的邻域最优解
...	...	...	...	.....	....
Wl,N	...	...	...	...	第N个粒子的邻域最优解
Wg,1	Wg,2	...	Wg,D-1	Wg,D	全局粒子的历史最优解

根据这样的思想MATLAB代码如下：

function[ParSwarm,OptSwarm]=LocalInitSwarm（SwarmSize,ParticleSize,ParticleScope,AdaptFunc）%功能描述：局部版本的粒子群算法，初始化粒子群，限定粒子群的位置以及速度在指定的范围内%[ParSwarm,OptSwarm,BadSwarm]=LocalInitSwarm（SwarmSize,ParticleSize,ParticleScope,AdaptFunc）%%输入参数：SwarmSize:种群大小的个数%输入参数：ParticleSize：一个粒子的维数%输入参数：ParticleScope:一个粒子在运算中各维的范围；% ParticleScope格式:% 3维粒子的ParticleScope格式:% [x1Min,x1Max%x2Min,x2Max%x3Min,x3Max]%%输入参数：AdaptFunc：适应度函数%%输出：ParSwarm初始化的粒子群%输出：OptSwarm粒子群当前最优解与每个粒子邻域的最优解，第一次初始化，邻域的区域为0，即为粒子本身%%用法 [ParSwarm,OptSwarm,BadSwarm]=LocalInitSwarm（SwarmSize,ParticleSize,ParticleScope,AdaptFunc）;%%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：无%%容错控制if nargin~=4error（"输入的参数个数错误。"）endif nargout<2error（"输出的参数的个数太少，不能保证以后的运行。"）;end[row,colum]=size（ParticleSize）;if row>1||colum>1error（"输入的粒子的维数错误，是一个1行1列的数据。"）;end[row,colum]=size（ParticleScope）;if row~=ParticleSize||colum~=2error（"输入的粒子的维数范围错误。"）;end%初始化粒子群矩阵%初始化粒子群矩阵，全部设为[0-1]随机数%rand（"state",0）;ParSwarm=rand（SwarmSize,2*ParticleSize+1）;%对粒子群中位置,速度的范围进行调节for k=1:ParticleSizeParSwarm（:,k）=ParSwarm（:,k）*（ParticleScope（k,2）-ParticleScope（k,1））+ParticleScope（k,1）;%调节速度，使速度与位置的范围一致ParSwarm（:,ParticleSize+k）=ParSwarm（:,ParticleSize+k）*（ParticleScope（k,2）-ParticleScope（k,1））+ParticleScope（k,1）;end%对每一个粒子计算其适应度函数的值for k=1:SwarmSizeParSwarm（k,2*ParticleSize+1）=AdaptFunc（ParSwarm（k,1:ParticleSize））;end%初始化粒子群最优解矩阵,共SwarmSize*2行，其中前SwarmSize行记录粒子自己历史最优解，后SwarmSize行记录邻域最优解OptSwarm=zeros（SwarmSize*2+1,ParticleSize）;%粒子群最优解矩阵全部设为零OptSwarm（1:SwarmSize,:）=ParSwarm（1:SwarmSize,1:ParticleSize）;%计算粒子邻域为1的最优解linyu=1;for row=1:SwarmSizeif row-linyu>0&&row+linyu<=SwarmSizetempM =[ParSwarm（row-linyu:row-1,:）;ParSwarm（row+1:row+linyu,:）];[maxValue,linyurow]=max（tempM（:,2*ParticleSize+1））;OptSwarm（SwarmSize+row,:）=tempM（linyurow,1:ParticleSize）;elseif 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（SwarmSize+row-linyu:end,:）;ParSwarm（row+1:row+linyu,:）];[maxValue,linyurow]=max（tempM（:,2*ParticleSize+1））;OptSwarm（SwarmSize+row,:）=tempM（linyurow,1:ParticleSize）;elsetempM=[ParSwarm（1:row-1,:）;ParSwarm（SwarmSize+row-linyu:end,:）;ParSwarm（row+1:row+linyu,:）];[maxValue,linyurow]=max（tempM（:,2*ParticleSize+1））;OptSwarm（SwarmSize+row,:）=tempM（linyurow,1:ParticleSize）;endelse%该行下面的部分突出了边界，上面绝对不会突破边界if row==SwarmSizetempM=[ParSwarm（SwarmSize-linyu:row-1,:）;ParSwarm（1:linyu,:）];[maxValue,linyurow]=max（tempM（:,2*ParticleSize+1））;OptSwarm（SwarmSize+row,:）=tempM（linyurow,1:ParticleSize）;elsetempM=[ParSwarm（row-linyu:row-1,:）;ParSwarm（row+1:end,:）;ParSwarm（1:linyu-（SwarmSize-row）,:）];[maxValue,linyurow]=max（tempM（:,2*ParticleSize+1））;OptSwarm（SwarmSize+row,:）=tempM（linyurow,1:ParticleSize）;endendendend%for[maxValue,row]=max（ParSwarm（:,2*ParticleSize+1））;%寻找适应度函数值最大的解在矩阵中的位置（行数）OptSwarm（SwarmSize*2+1,:）=ParSwarm（row,1:ParticleSize）;