✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
群智能算法以其动态寻优能力强,实现途径简单等特点不断成为进化算法领域的研究热点.控参的选择对算法寻优性能有着极大影响,首先从数学推导角度对粒子群参数进行深入研究,接着提出一种契合粒子本身进化公式的,且具有反向思维的曲线递增策略的改进算法.最后验证该算法具备以下两点突出优势:a)有效避免早熟问题,在处理维度灾难问题上,寻优性能更强,且具备良好的平衡全局与局部寻优性能;b)算法控参简单,可有效解决鲁棒性低且繁琐的人工调参问题.
⛄ 部分代码
%% [1]吴凡,洪思,杨冰,胡贤夫.曲线递增策略的自适应粒子群算法研究[J].计算机应用研究,2021,38(06):1653-1656+1661.
clear all
clc
close all
SearchAgents_no=30; % Number of search agents 种群数量
Function_name='F3'; % Name of the test function that can be from F1 to F23 (Table 1,2,3 in the paper) 设定适应度函数
Max_iteration=1000; % Maximum numbef of iterations 设定最大迭代次数
% Load details of the selected benchmark function
[lb,ub,dim,fobj]=Get_Functions_details(Function_name); %设定边界以及优化函数
%速度范围设定
Vmax = 2;
Vmin = -2;
%原始粒子群结果
[Best_pos,Best_score,PSO_curve]=PSO(SearchAgents_no,Max_iteration,lb,ub,dim,fobj,Vmax,Vmin); %开始优化
%改进粒子群结果
[Best_pos1,Best_score1,CIPSO_curve1]=CIPSO(SearchAgents_no,Max_iteration,lb,ub,dim,fobj,Vmax,Vmin); %开始优化
figure('Position',[269 240 660 290])
%Draw search space
subplot(1,2,1);
func_plot(Function_name);
title('Parameter space')
xlabel('x_1');
ylabel('x_2');
zlabel([Function_name,'( x_1 , x_2 )'])
%Draw objective space
subplot(1,2,2);
semilogy(PSO_curve,'Color','b','linewidth',1.5)
hold on
semilogy(CIPSO_curve1,'Color','r','linewidth',1.5);
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
legend('PSO','CIPSO');
axis tight
grid on
box on
display(['The best solution obtained by PSO is : ', num2str(Best_pos)]);
display(['The best optimal value of the objective funciton found by PSO is : ', num2str(Best_score)]);
display(['The best solution obtained by PSOSC is : ', num2str(Best_pos1)]);
display(['The best optimal value of the objective funciton found by PSOSC is : ', num2str(Best_score1)]);
⛄ 运行结果
⛄ 参考文献
[1]吴凡, 洪思, 杨冰,等. 曲线递增策略的自适应粒子群算法研究[J]. 计算机应用研究, 2021, 38(6):5.
