matlabpso算法

❶ pso算法代码怎样用来参数估计

%标准PSO算法源代码（matlab）%标准粒群优化算法程序%2007.1.9Byjxy%测试函数：f(x,y)=100(x^2-y)^2+(1-x)^2,-2.048pop(i,8)%若当前适应值优于个体最优值，则进行个体最优信息的更新pop(i,7)=pop(i,8);%适值更新pop(i,5:6)=pop(i,1:2);%位置坐标更新endend%计算完适应值后寻找当前全局最优位置并记录其坐标ifbest_fitness>min(pop(:,7))best_fitness=min(pop(:,7));%全局最优值gbest_x=pop(find(pop(:,7)==min(pop(:,7))),1);%全局最优粒子的位置gbest_y=pop(find(pop(:,7)==min(pop(:,7))),2);endbest_in_history(exetime)=best_fitness;%记录当前全局最优%实时输出结果%输出当前种群中粒子位置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%粒子群速度与位置更新%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算法优化函数的matlab程序，比如sphere、schaffer、rosenbrock、rastrigin、shubert函数，

呵呵，其实，如果你想知道的MATLAB功能的作用，最好是约帮助下，慢慢的你会发现它非常强大。
中国
帮助呗，那你相信的事实是错误的
帮助腹肌
ABS绝对值。
ABS（X）为X的元素的绝对值时
X是复杂的，ABS（X）为
的复数模量（幅度）十
的元素，这是它的作用，它仅仅是绝对值，例如ABS（-1）= 1，ABS（2）= 2。

❸ pos 在matlab里面是什么意思，具体是怎么运算的呢

按照字面意思是：有一个变量叫做：n_pos_min；有一个数组叫做：m_pos_min();

将取出m_pos_min中的第n_pos_min个元素赋给m_pos_min。

举例如下：

❹ 求把MATLAB的pso源代码算法修改为 qpso算法 要求返回参数相同

下面的代码是量子群优化算法，你参照着改下：
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; %输出平均收验代数
av2=sum2/10; %输出平均最优解
st/10 %就是最后anw输出的解

❺ 哪位大神指点一下粒子群优化算法（PSO）的输入和输入分别是什么

适应度函数应由具体问题而自己去选择。比如你想用PSO求函数最小值，则适应度函数就可以设为该函数，通过函数值减小方向来决定粒子运动方向，最后结果便是粒子位于取得函数最小值的点。
PSO算法中输入有：
种群规模
粒子维度
最大迭代次数
适应度函数
惯性权值
加速因子
最大速度
输出结果为优化后的”粒子“。

❻ pso算法基于matlab作图，总群不收敛怎么回事

在Armadillo解压文件夹下新建build文件夹，在CMake GUI中进行配置。source路径选择Armadillo解压文件夹，build路径选择该文件夹下面新建的build。
点击”Configure”进行配置，选择Makefile类型为”Mingw Makefile”，并选择”Specify native compilers”，单击”next”。分别设置gcc/g++/gfortran所在的路径，单击”Finish”退出即可。

❼ 如何在matlab画出pso粒子分布图

Swarmscope = plot(0,0, '.');
axis([Xmin(1) Xmax(1) Xmin(2) Xmax(2)]); %初始轴的范围的设置
grid on;
set(Swarmscope,'EraseMode','xor','MarkerSize',12); %设置用来显示粒子.
XX=Position(1,:);YY=Position(2,:);
set(Swarmscope,'XData',XX,'YData',YY );%设置
xlabel('粒子第一维');
ylabel('粒子第二维');
drawnow;
这样画出的是二维粒子的动态分布图，不知道你的问题是几维的