机器学习之基于matlab的神经网络粒子群优化算法的实现

来源：互联网发布：sql可以装在d盘吗编辑：程序博客网时间：2024/05/02 02:29

实现算法的论文，代码源码，测试函数，请见本人的git账户:
https://github.com/qiu997018209/MachineLearning

以下是mymain.m文件内容

 clear % mex cec13_func.cpp -DWINDOWSfunc_num=1;D=10;VRmin=-100;VRmax=100;N=40;Max_Gen=5000;runs=1fhd=str2func('cec14_func');for i=1    func_num=i;    for j=1:runs    [gbest,gbestval,pop]=myfunc(fhd,D,N,Max_Gen,VRmin,VRmax,func_num);    xbest(i,:)=gbest    fbest(i,j)=gbestval   % plot(pbest(:,1)   % plot(x,y)    %plot(x,yy)   % hold(a1,a2);    %axis([500 5000,10^2 10^5]);    %title(['适应度曲线  ' '终止代数＝' num2str(Max_Gen)]);     %xlabel('进化代数');ylabel('适应度');    end    f_mean(i)=mean(fbest(i,j))end

以下是myfunc.m文件内容

function[gbest,gbestval,pop]=myfunc(fhd,D,N,Max_Gen,VRmin,VRmax,varargin);%------给定初始化条件----------------------------------------------%问题要么在邻域部分，要么在速度更新。我在只更换速度公式的时候是可以得到一个明显的改善的clc;rand('state',sum(100*clock));c=[0.5+log(2),0.5+log(2)];%c=[2 2];%w=1/(2*log(2));w=0.9-(1:Max_Gen).*(0.5./Max_Gen)Vmax=50;Vmin=-50;%------初始化种群的个体------------%pbest 个体最佳，lbest 邻域最佳，gbest，全局最佳,VRmax,粒子范围，Vmin速度范围。pop=VRmin+(VRmax-VRmin).*rand(N,D);vel=0.5*(Vmin+(Vmax-Vmin).*rand(N,D)-pop);%vel=Vmin+2.*Vmax.*rand(N,D)e=feval(fhd,pop',varargin{:});%% 个体极值和群体极值pbest=pop; %个体最佳pbestval=e;%个体最佳适应度值[gbestval bestindex]=min(e);gbest=pbest(bestindex,:);%全局最佳%gbestrep=repmat(gbest,N,1);n(1)=gbestval;k=3;%拓扑结构for i=1:N;   a1=[1:i-1,i+1:N];   a1= a1(randperm(N-1));   a2=a1(1:k);   a3(i,:)=[a2,i];   a4=a3(i,:);   [lbestval(i),a5]=min(pbestval(a3(i,:)));    a6=a4(a5);   lbest(i,:)=pbest(a6,:);%邻域end%在更换速度公式的时候，可以更换变量%gbestrep=repmat(gbest,N,1);%aa=c(1).*rand(N,D).*(pbest-pop)+c(2).*rand(N,D).*(gbestrep-pop);%vel=w(j).*vel+aa;%% 迭代寻优for j=2:Max_Gen;    %更新速度       l=pop+c(2)*rand(N,D).*(lbest-pop);%邻域       p=pop+c(1)*rand(N,D).*(pbest-pop);%个体最佳       G=(p+l+pop)/3;       %aa=c(1).*rand(N,D).*(pbest-pop)+c(2).*rand(N,D).*(gbestrep-pop);       %vel=w(j).*vel+aa;       R=abs(G-pop);       vel=w(j).*vel+G+(-1+rand(N,D)*2).*R       vel=(vel>Vmax).*Vmax+(vel<=Vmax).*vel;       vel=(vel<Vmin).*Vmin+(vel>=Vmin).*vel;      %更新位置        pop=vel+pop;       pop=((pop>=VRmin)&(pop<=VRmax)).*pop...            +(pop<VRmin).*(VRmin+0.25.*(VRmax-VRmin).*rand(N,D))+(pop>VRmax).*(VRmax-0.25.*(VRmax-VRmin).*rand(N,D));      %pop=((pop>=VRmin)&(pop<=VRmax)).*pop...          %+(pop<VRmin).*(VRmin)+(pop>VRmax).*(VRmax);       vel=((pop>=Vmin)&(pop<=Vmax)).*vel+(pop<Vmin).*0+(pop>Vmax).*0;      %获取适应值       e=feval(fhd,pop',varargin{:});       %更新pbest，历史最佳       t=(e<pbestval);       m=repmat(t',1,D);       pbest=m.*pop+(1-m).*pbest;       pbestval=t.*e+(1-t).*pbestval;       %更新lbest，局部最佳       for i=1:N;        a7=a3(i,:);       [lbestval(i),m1]=min(pbestval(a3(i,:)))       a8=a7(m1);       lbest(i,:)=pbest(a8,:);       end      %得到全局最佳       [gbestval id]=min(pbestval);        n(j)=gbestval;        gbest=pbest(id,:);        gbestrep=repmat(gbest,N,1)        %变更拓扑结构       if isequal(n(j-1),n(j));          for i=1:N;          a1=[1:i-1,i+1:N];          a1= a1(randperm(N-1));          a2=a1(1:k);          a3(i,:)=[a2,i];          a4=a3(i,:);          [lbestval(i),a5]=min(pbestval(a3(i,:)));           a6=a4(a5);           lbest(i,:)=pop(a6,:);          end       endendend

0 0