基于混沌序列的量子粒子群算法

简介:
#include <iostream>
#include <math.h>
#include <time.h>
using namespace std;

#define M 50  //群体数目50
#define N 4   //每个粒子的维数4
#define NN 500 //整体迭代次数
#define chaotic_count 3    //判断是否进入停滞状态
#define gama 0.001      
#define R 0.8
#define chaotic_counts 100   //混沌搜索的迭代次数
//测试类
class TestFunction
{
    public:
        double resen(double x1,double x2,double x3,double x4)
        {
            double s=0;
            s=100*(x2-x1*x1)*(x2-x1*x1)+(1-x1)*(1-x1)+s;
            s=100*(x3-x2*x2)*(x3-x2*x2)+(1-x2)*(1-x2)+s;
            s=100*(x4-x3*x3)*(x4-x3*x3)+(1-x3)*(1-x3)+s;
            return s;
        }
};

class CQPSO
{
    private:
        double delta;
        double (*w)[N];// = new double[50][4]; //总体粒子
        double *f;//=new double[M];//适应度值
        double *ff;//=new double[M];//相对f的比较值
        double (*p)[N];//=new double[M][N];
        double *g;//=new double[N];
        double *c;//=new double[N];
        int flag;//=0;
        TestFunction *tf;// = new TestFunction;
        double random()
        {
            double s;
            s=(abs(rand())%10000+10000)/10000.0-1.0;    
            return s;
        }
    public:
        CQPSO(double delta)
        {
            int i,j;
            this->delta=delta;
            w=new double[M][N];
            f=new double[M];
            ff=new double[M];
            p=new double[M][N];
            g=new double[N];
            c=new double[N];
            tf=new TestFunction;
            flag=0;
            for(i=0;i<M;i++)
            {
                for(j=0;j<N;j++)
                {
                    w[i][j]=random();
                }
            }
            
        }

        void CQPSOmethod(int count)
        {
            int i,j;
            bool b;
            if(count==1)
            {
                for(i=0;i<M;i++)
                {
                    for(j=0;j<N;j++)
                    {
                        p[i][j]=w[i][j];
                    }
                    f[i]=tf->resen(w[i][0],w[i][1],w[i][2],w[i][3]);
                }
                cqpso_p();//f);//得出全局最优
            }

            if(count>1)
            {
                cqpso_update( );//w );
                for(i=0;i<M;i++)
                {
                    ff[i]=tf->resen(w[i][0],w[i][1],w[i][2],w[i][3]);
                    if(ff[i]<f[i])
                    {    
                        f[i]=ff[i];
                        for(j=0;j<N;j++) p[i][j]=w[i][j];
                    }
                }
                cqpso_p();//f);
                b=chaotic_whether( );
                if(b==true)
                    flag=flag+1;
                else flag=0;
                
                if(flag==chaotic_count)
                {
                    chaotic();
                    flag=0;
                }
            }
            cout<<(tf->resen(g[0],g[1],g[2],g[3]))<<endl;
        }



        void cqpso_p()//double *f)//得到个体最优中最小值——全局最优
        {
            double temp=f[0];
            int i,j;
            for(i=1;i<M;i++)
            {
                if(f[i]<temp)
                {
                    temp=f[i];
                }
            }
            for(i=0;i<M;i++)
            {
                if(temp==f[i])
                {
                    for(j=0;j<N;j++)
                    {
                        g[j]=p[i][j];
                    }
                    break;
                }
            }
        }    
        void cqpso_c()//double (*p)[N])
        {
            int i,j;
            for(i=0;i<N;i++)  c[i]=0;
            for(i=0;i<N;i++)
            {
                for(j=0;j<M;j++)
                {
                    c[i]=c[i]+p[j][i];
                }
            }
            for(i=0;i<N;i++) c[i]=c[i]/M;
        }

        void cqpso_update( )//double (*w)[N] )
        {
            int i,j;
            double *fai=new double[N];
            double (*u)[N]=new double[M][N];
            double (*pp)[N]=new double[M][N];
            for(i=0;i<N;i++)
            {
                fai[i]=random();
            }
            for(i=0;i<M;i++)
            {
                for(j=0;j<N;j++)
                    u[i][j]=random();
            }
            cqpso_c( );//p );
            for(i=0;i<M;i++)
            {
                for(j=0;j<N;j++)
                    pp[i][j]=fai[j]*p[i][j]+g[j]*(1-fai[j]);
            }
            for(i=0;i<M;i++)
            {
                for(j=0;j<N;j++)
                    w[i][j]=pp[i][j]+delta*(abs(c[j]-w[i][j]))*log(1/u[i][j]);
            }
        }

        //混沌搜索核心算法
        void chaotic()
        {
            int i,j;
            double *y=new double[N];
            double *yy=new double[N];
            double *yyy=new double[N];
            double f_chaotic;//*f_chaotic=new double[chaotic_counts];
            double ff_chaotic;
            for(i=0;i<N;i++)
            {
                y[i]=random();
            }
            for(j=1;j<chaotic_counts;j++)
            {
                if(j==1)
                {
                    for(i=0;i<N;i++)
                    {
                        yy[i]=g[i]+R*(2*y[i]-1);
                    }
                    f_chaotic=tf->resen(yy[0],yy[1],yy[2],yy[3]);
                    for(i=0;i<N;i++)
                    {
                        yyy[i]=y[i];
                    }
                }
                if(j>1)
                {
                    for(i=0;i<N;i++)
                    {
                        y[i]=4*y[i]*(1-y[i]);
                    }
                    for(i=0;i<N;i++)
                    {
                        yy[i]=g[i]+R*(2*y[i]-1);
                    }
                    ff_chaotic=tf->resen(yy[0],yy[1],yy[2],yy[3]);
                    if(ff_chaotic<f_chaotic)
                    {
                        f_chaotic=ff_chaotic;
                        for(i=0;i<N;i++)
                        {
                            yyy[i]=y[i];
                        }

                    }
                }

            }
            
            if(f_chaotic<(tf->resen(g[0],g[1],g[2],g[3])))
            {
                for(i=0;i<N;i++)
                {
                    g[i]=yyy[i];
                }
            }
            
        }

       //判断是否进入混沌状态
        bool chaotic_whether( )
        {
            double Fbest;
            Fbest=tf->resen(g[0],g[1],g[2],g[3]);
            double temp=ff[0];
            int i;//,j;
            for(i=1;i<M;i++)
            {
                if(ff[i]<temp)
                {
                    temp=ff[i];
                }
            }
            if(((temp-Fbest)/temp)<gama)
                return true;
            else return false;
        }
    
};

int main()
{
    int i;
    srand((unsigned)time(0)); 
    CQPSO *qo = new CQPSO(0.5);
    //qo->w=new double[M][N];
    for(i=1;i<NN;i++)
    qo->CQPSOmethod(i);
}


原文发布时间为:2011-03-03
本文作者:孙俊
本文来源:博客园,如需转载请联系原作者。

目录
相关文章
|
7月前
|
机器学习/深度学习 并行计算 算法
粒子群算法优化RBF神经网络的MATLAB实现
粒子群算法优化RBF神经网络的MATLAB实现
553 123
|
7月前
|
算法 安全 BI
基于粒子群算法的多码头连续泊位分配优化研究(Matlab代码实现)
基于粒子群算法的多码头连续泊位分配优化研究(Matlab代码实现)
231 8
|
7月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于WOA鲸鱼优化的XGBoost序列预测算法matlab仿真
基于WOA优化XGBoost的序列预测算法,利用鲸鱼优化算法自动寻优超参数,提升预测精度。结合MATLAB实现,适用于金融、气象等领域,具有较强非线性拟合能力,实验结果表明该方法显著优于传统模型。(238字)
|
7月前
|
机器学习/深度学习 运维 算法
【储能选址定容】基于多目标粒子群算法的配电网储能选址定容(Matlab代码实现)
【储能选址定容】基于多目标粒子群算法的配电网储能选址定容(Matlab代码实现)
345 4
|
7月前
|
机器学习/深度学习 边缘计算 人工智能
粒子群算法模型深度解析与实战应用
蒋星熠Jaxonic是一位深耕智能优化算法领域多年的技术探索者,专注于粒子群优化(PSO)算法的研究与应用。他深入剖析了PSO的数学模型、核心公式及实现方法,并通过大量实践验证了其在神经网络优化、工程设计等复杂问题上的卓越性能。本文全面展示了PSO的理论基础、改进策略与前沿发展方向,为读者提供了一份详尽的技术指南。
粒子群算法模型深度解析与实战应用
|
7月前
|
机器学习/深度学习 传感器 算法
【表面粗糙度】基于粒子群PSO算法优化-BP神经网络的表面粗糙度研究(Matlab代码实现)
【表面粗糙度】基于粒子群PSO算法优化-BP神经网络的表面粗糙度研究(Matlab代码实现)
329 7
|
7月前
|
机器学习/深度学习 运维 算法
基于粒子群优化算法的配电网光伏储能双层优化配置模型[IEEE33节点](选址定容)(Matlab代码实现)
基于粒子群优化算法的配电网光伏储能双层优化配置模型[IEEE33节点](选址定容)(Matlab代码实现)
681 0
|
7月前
|
算法 Python
粒子群算法对pi控制器进行参数优化,随时优化pi参数以控制直流无刷电机转速(Simulink仿真实现)
粒子群算法对pi控制器进行参数优化,随时优化pi参数以控制直流无刷电机转速(Simulink仿真实现)
243 9
|
7月前
|
算法 安全 机器人
【路径规划】基于遗传算法结合粒子群算法求解机器人在复杂不同类型下的路径规划研究(Matlab代码实现)
【路径规划】基于遗传算法结合粒子群算法求解机器人在复杂不同类型下的路径规划研究(Matlab代码实现)
203 4

热门文章

最新文章

下一篇
开通oss服务