PsoProcess-PSO-matlab

function [Result,OnLine,OffLine,MinMaxMeanAdapt]=PsoProcess(SwarmSize,ParticleSize,ParticleScope,InitFunc,StepFindFunc,AdaptFunc,IsStep,IsDraw,LoopCount,IsPlot)%功能描述：一个循环n次的PSO算法完整过程，返回这次运行的最小与最大的平均适应度,以及在线性能与离线性能%[Result,OnLine,OffLine,MinMaxMeanAdapt]=PsoProcess(SwarmSize,ParticleSize,ParticleScope,InitFunc,StepFindFunc,AdaptFunc,IsStep,IsDraw,LoopCount,IsPlot)%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:InitFunc:初始化粒子群函数%输入参数:StepFindFunc:单步更新速度，位置函数%输入参数：AdaptFunc：适应度函数%输入参数：IsStep：是否每次迭代暂停；IsStep＝0，不暂停，否则暂停。缺省不暂停%输入参数：IsDraw：是否图形化迭代过程；IsDraw＝0，不图形化迭代过程，否则，图形化表示。缺省不图形化表示%输入参数：LoopCount：迭代的次数；缺省迭代100次%输入参数：IsPlot：控制是否绘制在线性能与离线性能的图形表示；IsPlot=0,不显示；%　　　　　　　　　　　　　　　　 IsPlot=1；显示图形结果。缺省IsPlot=1%%返回值：Result为经过迭代后得到的最优解%返回值：OnLine为在线性能的数据%返回值：OffLine为离线性能的数据%返回值：MinMaxMeanAdapt为本次完整迭代得到的最小与最大的平均适应度%%用法[Result,OnLine,OffLine,MinMaxMeanAdapt]=PsoProcess(SwarmSize,ParticleSize,ParticleScope,InitFunc,StepFindFunc,AdaptFunc,IsStep,IsDraw,LoopCount,IsPlot);%%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：2007.3.26%参考文献：XXXXX%%修改记录：%添加MinMaxMeanAdapt，以得到性能评估数据%修改人：XXX%修改时间：2007.3.27%参考文献：XXX.%容错控制if nargin<4  error('输入的参数个数错误。')end[row,colum]=size(ParticleSize);if row>1||colum>1  error('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~=2  error('输入的粒子的维数范围错误。');end%设置缺省值if nargin<7  IsPlot=1;  LoopCount=100;  IsStep=0;  IsDraw=0;endif nargin<8  IsPlot=1;  IsDraw=0;  LoopCount=100;endif nargin<9  LoopCount=100;  IsPlot=1;endif nargin<10  IsPlot=1;end%控制是否显示2维以下粒子维数的寻找最优的过程 if IsDraw~=0    DrawObjGraphic(ParticleScope,AdaptFunc); end%初始化种群　　　　　　 <strong>[ParSwarm,OptSwarm]=InitFunc(SwarmSize,ParticleSize,ParticleScope,AdaptFunc)</strong>%在测试函数图形上绘制初始化群的位置if IsDraw~=0  if 1==ParticleSize    for ParSwarmRow=1:SwarmSize     plot([ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,1)],[ParSwarm(ParSwarmRow,3),0],'r*-','markersize',8);     text(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,3),num2str(ParSwarmRow));    end  end  if 2==ParticleSize    for ParSwarmRow=1:SwarmSize      stem3(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,2),ParSwarm(ParSwarmRow,5),'r.','markersize',8);    end  endend%暂停抓图if IsStep~=0   disp('开始迭代，按任意键：')   pauseend%开始更新算法的调用for k=1:LoopCount  %显示迭代的次数：  disp('----------------------------------------------------------')  TempStr=sprintf('第 %g 此迭代',k);  disp(TempStr);  disp('----------------------------------------------------------')   %调用一步迭代的算法 <strong> [ParSwarm,OptSwarm]=StepFindFunc(ParSwarm,OptSwarm,AdaptFunc,ParticleScope,0.95,0.4,LoopCount,k)</strong>   %在目标函数的图形上绘制2维以下的粒子的新位置  if IsDraw~=0  if 1==ParticleSize    for ParSwarmRow=1:SwarmSize       plot([ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,1)],[ParSwarm(ParSwarmRow,3),0],'r*-','markersize',8);       text(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,3),num2str(ParSwarmRow));    end  end  if 2==ParticleSize    for ParSwarmRow=1:SwarmSize    stem3(ParSwarm(ParSwarmRow,1),ParSwarm(ParSwarmRow,2),ParSwarm(ParSwarmRow,5),'r.','markersize',8);    end  end end  <strong>XResult=OptSwarm(SwarmSize+1,1:ParticleSize); YResult=AdaptFunc(XResult); if IsStep~=0    XResult=OptSwarm(SwarmSize+1,1:ParticleSize);    YResult=AdaptFunc(XResult);     str=sprintf('%g步迭代的最优目标函数值%g',k,YResult);    disp(str);    disp('下次迭代，按任意键继续');    pause end</strong>  %记录每一步的平均适应度   <strong> MeanAdapt(1,k)=mean(ParSwarm(:,2*ParticleSize+1));</strong>end%for循环结束标志%记录最小与最大的平均适应度<strong>MinMaxMeanAdapt=[min(MeanAdapt),max(MeanAdapt)];</strong>%计算离线与在线性能for k=1:LoopCount   OnLine(1,k)=sum(MeanAdapt(1,1:k))/k;   OffLine(1,k)=max(MeanAdapt(1,1:k));endfor k=1:LoopCount   OffLine(1,k)=sum(OffLine(1,1:k))/k;end%绘制离线性能与在线性能曲线if 1==IsPlot   figure   hold on   title('离线性能曲线图')   xlabel('迭代次数');   ylabel('离线性能');   grid on   plot(OffLine);   figure   hold on   title('在线性能曲线图')   xlabel('迭代次数');   ylabel('在线性能');   grid on   plot(OnLine);end%记录本次迭代得到的最优结果<strong>XResult=OptSwarm(SwarmSize+1,1:ParticleSize);YResult=AdaptFunc(XResult);Result=[XResult,YResult];</strong>