matlabpso演算法

❶ pso演算法代碼怎樣用來參數估計

%標准PSO演算法源代碼（matlab）%標准粒群優化演算法程序%2007.1.9Byjxy%測試函數：f(x,y)=100(x^2-y)^2+(1-x)^2,-2.048pop(i,8)%若當前適應值優於個體最優值，則進行個體最優信息的更新pop(i,7)=pop(i,8);%適值更新pop(i,5:6)=pop(i,1:2);%位置坐標更新endend%計算完適應值後尋找當前全局最優位置並記錄其坐標ifbest_fitness>min(pop(:,7))best_fitness=min(pop(:,7));%全局最優值gbest_x=pop(find(pop(:,7)==min(pop(:,7))),1);%全局最優粒子的位置gbest_y=pop(find(pop(:,7)==min(pop(:,7))),2);endbest_in_history(exetime)=best_fitness;%記錄當前全局最優%實時輸出結果%輸出當前種群中粒子位置subplot(1,2,1);fori=1:popsizeplot(pop(i,1),pop(i,2),'b*');holdon;endplot(gbest_x,gbest_y,'r.','markersize',20);axis([-2,2,-2,2]);holdoff;subplot(1,2,2);axis([0,gen,-0.00005,0.00005]);ifexetime-1>0line([exetime-1,exetime],[best_in_history(exetime-1),best_fitness]);holdon;end%粒子群速度與位置更新%更新粒子速度fori=1:popsizepop(i,3)=rand()*pop(i,3)+c1*rand()*(pop(i,5)-pop(i,1))+c2*rand()*(gbest_x-pop(i,1));%更新速度pop(i,4)=rand()*pop(i,4)+c1*rand()*(pop(i,6)-pop(i,2))+c2*rand()*(gbest_x-pop(i,2));ifabs(pop(i,3))>max_velocityifpop(i,3)>0pop(i,3)=max_velocity;elsepop(i,3)=-max_velocity;endendifabs(pop(i,4))>max_velocityifpop(i,4)>0pop(i,4)=max_velocity;elsepop(i,4)=-max_velocity;endendend%更新粒子位置fori=1:popsizepop(i,1)=pop(i,1)+pop(i,3);pop(i,2)=pop(i,2)+pop(i,4);

❷ 求教PSO演算法優化函數的matlab程序，比如sphere、schaffer、rosenbrock、rastrigin、shubert函數，

呵呵，其實，如果你想知道的MATLAB功能的作用，最好是約幫助下，慢慢的你會發現它非常強大。
中國
幫助唄，那你相信的事實是錯誤的
幫助腹肌
ABS絕對值。
ABS（X）為X的元素的絕對值時
X是復雜的，ABS（X）為
的復數模量（幅度）十
的元素，這是它的作用，它僅僅是絕對值，例如ABS（-1）= 1，ABS（2）= 2。

❸ pos 在matlab裡面是什麼意思，具體是怎麼運算的呢

按照字面意思是：有一個變數叫做：n_pos_min；有一個數組叫做：m_pos_min();

將取出m_pos_min中的第n_pos_min個元素賦給m_pos_min。

舉例如下：

❹ 求把MATLAB的pso源代碼演算法修改為 qpso演算法 要求返回參數相同

下面的代碼是量子群優化演算法，你參照著改下：
popsize=20;
MAXITER=2000;
dimension=30;
irange_l=-5.12;
irange_r=5.12;
xmax=10;

sum1=0;
sum2=0;
mean=0;
st=0;
runno=10;
data1=zeros(runno,MAXITER);
for run=1:runno
T=cputime;
x=(irange_r- irange_l)*rand(popsize,dimension,1) + irange_l;

pbest=x;
gbest=zeros(1,dimension);

for i=1:popsize
f_x(i)=f3(x(i,:));
f_pbest(i)=f_x(i);
end

g=min(find(f_pbest==min(f_pbest(1:popsize))));
gbest=pbest(g,:);

f_gbest=f_pbest(g);

MINIUM=f_pbest(g);
for t=1:MAXITER

beta=(1-0.5)*(MAXITER-t)/MAXITER+0.5;
mbest=sum(pbest)/popsize;

for i=1:popsize
fi=rand(1,dimension);
p=fi.*pbest(i,:)+(1-fi).*gbest;
u=rand(1,dimension);
b=beta*(mbest-x(i,:));
v=-log(u);
y=p+((-1).^ceil(0.5+rand(1,dimension))).*b.*v;
x(i,:)=y;
x(i,:)=sign(y).*min(abs(y),xmax);

f_x(i)=f3(x(i,:));
if f_x(i)<f_pbest(i)
pbest(i,:)=x(i,:);
f_pbest(i)=f_x(i);
end
if f_pbest(i)<f_gbest
gbest=pbest(i,:);
f_gbest=f_pbest(i);
end
MINIUM=f_gbest;
end
data1(run,t)=MINIUM;
if MINIUM>1e-007
mean=t;
end
end
sum1=sum1+mean;
sum2=sum2+MINIUM;
%MINIUM
time=cputime-T;
st=st+time;

end
av1=sum1/10; %輸出平均收驗代數
av2=sum2/10; %輸出平均最優解
st/10 %就是最後anw輸出的解

❺ 哪位大神指點一下粒子群優化演算法（PSO）的輸入和輸入分別是什麼

適應度函數應由具體問題而自己去選擇。比如你想用PSO求函數最小值，則適應度函數就可以設為該函數，通過函數值減小方向來決定粒子運動方向，最後結果便是粒子位於取得函數最小值的點。
PSO演算法中輸入有：
種群規模
粒子維度
最大迭代次數
適應度函數
慣性權值
加速因子
最大速度
輸出結果為優化後的」粒子「。

❻ pso演算法基於matlab作圖，總群不收斂怎麼回事

在Armadillo解壓文件夾下新建build文件夾，在CMake GUI中進行配置。source路徑選擇Armadillo解壓文件夾，build路徑選擇該文件夾下面新建的build。
點擊」Configure」進行配置，選擇Makefile類型為」Mingw Makefile」，並選擇」Specify native compilers」，單擊」next」。分別設置gcc/g++/gfortran所在的路徑，單擊」Finish」退出即可。

❼ 如何在matlab畫出pso粒子分布圖

Swarmscope = plot(0,0, '.');
axis([Xmin(1) Xmax(1) Xmin(2) Xmax(2)]); %初始軸的范圍的設置
grid on;
set(Swarmscope,'EraseMode','xor','MarkerSize',12); %設置用來顯示粒子.
XX=Position(1,:);YY=Position(2,:);
set(Swarmscope,'XData',XX,'YData',YY );%設置
xlabel('粒子第一維');
ylabel('粒子第二維');
drawnow;
這樣畫出的是二維粒子的動態分布圖，不知道你的問題是幾維的