PSO.zip_C++ PSO_C++pso_PSO_PSO c++_pso c

//附录1、标准微粒群算法源程序 /*该程序用于计算Goldstein-Price函数 f1(x)=[1+(x1+x2+1)(x1+x2+1)(19-14x1+3x1x1-14x2+6x1x2+3x2x2)]* [30+(2x1-3x2)(2x1-3x2)(18-32x1+12x1x1+48x2-36x1x2+27x2x2)] 其中，-2<=x1,x2<=2 的函数最小值 */ //库文件 #include"stdio.h" //标准输入/输出库函数原型 #include"stdlib.h" //将数字变为文字、将文本变为数字、随机数等函数原型 #include"time.h" #include"math.h" //随机数定义 ??为什么这样定义 #define rdint(i) (rand()%(int)(i)) //0~i间的数 #define rdft() (float)((double)rdint(16384)/(16383.0)) // #define rnd(a,b) (rdint((int)(b)-(int)(a)+1)+(int)(a)) //宏定义 #define POPSIZE 20 //粒子数 #define DIMENSION 2 //维数 //全局变量定义 float W=1.0; //速度权重 float C1=1.8; //“认知” float C2=1.8; //“社会” float VMAX=2; //速度最大阙值 float XMIN=-2.0; //位置最小 float XMAX=2.0; //位置最大 float P[DIMENSION]; //二维向量表示当前最好的粒子位置 float PBEST; //最好适应值 struct indi//个体 { float number[DIMENSION]; //?? float best[DIMENSION]; float bestfitness; //最好适应值 float fitness; //适应值 float speed[DIMENSION]; //速度 }individual[POPSIZE]; void initiate(void); void calculation(int number); void globalbest(int number); void localbest(int number); //程序初始化定义 void initiate() { int i,j; for(i=0;i<POPSIZE;i++) //随机初始化每个粒子的位置 for(j=0;j<DIMENSION;j++) individual[i].number[j]=rdft()*(XMAX-XMIN)+XMIN; for(i=0;i<POPSIZE;i++) //随机初始化粒子的j位速度 for(j=0;j<DIMENSION;j++) individual[i].speed[j]=VMAX*rdft(); for(i=0;i<POPSIZE;i++) //初始化粒子最好位置记录 for(j=0;j<DIMENSION;j++) individual[i].best[j]=individual[i].number[j]; for(i=0;i<POPSIZE;i++) //计算粒子适应值，即函数值 calculation(i); for(i=0;i<POPSIZE;i++) //初始化最好的适应值，即函数值 individual[i].bestfitness=individual[i].fitness; globalbest(0); //全局最好的位置 } //微粒历史最优位置修改程序 void localbest(int number) { int i; if(individual[number].bestfitness>individual[number].fitness) for(i=0;i<DIMENSION;i++) individual[number].best[i]=individual[number].number[i]; individual[number].bestfitness=individual[number].fitness; } //种群历史最优位置修改程序 void globalbest(int number) { int i,j; float s=0; int flag=0; if(number==0) { s=individual[0].fitness; flag=0; for(i=1;i<POPSIZE;i++) if(individual[i].fitness<s) { s=individual[i].fitness; flag=i; } for(i=0;i<DIMENSION;i++) P[i]=individual[flag].number[i]; PBEST=individual[flag].fitness; } else { for(i=0;i<POPSIZE;i++) if(individual[i].bestfitness<PBEST) { for(j=0;j<DIMENSION;j++) P[j]=individual[i].best[j]; PBEST=individual[i].bestfitness; } } } //适应值函数计算程序 void calculation(int num) { int i; float s=0.0,h=0.0; s=pow(individual[num].number[0]+individual[num].number[1]+1.0,2.0)*(19.0-14.0*individual[num].number[0]+3.0*pow(individual[num].number[0],2.0)-14.0*individual[num].number[1]+6.0*individual[num].number[0]*individual[num].number[1]+3.0*pow(individual[num].number[1],2.0))+1.0; h=30.0+pow(2.0*individual[num].number[0]-3.0*individual[num].number[1],2.0)*(18.0-32.0*individual[num].number[0]+12.0*pow(individual[num].number[0],2.0)+48.0*individual[num].number[1]-36.0*individual[num].number[0]*individual[num].number[1]+27.0*pow(individual[num].number[1],2.0)); individual[num].fitness=s*h; } //主程序 int main() { int i,j,k,t,total=0; float sum=0; for(j=0;j<50;j++) //循环次数 { initiate(); //初始化群体 for(i=0;i<500;i++) //i为迭代次数，总的迭代次数为499 { W=1.0-i*0.6/499; //线性减少 if((PBEST-3.0)<0.0001)//??为什么和3比较(因为已经知道最优值为3.0) { total++; sum=sum+i; break; } else { for(k=0;k<POPSIZE;k++) { for(t=0;t<DIMENSION;t++) { //速度 individual[k].speed[t]=W*individual[k].speed[t]+C1*rdft()*(individual[k].best[t]-individual[k].number[t])+C2*rdft()*(P[t]-individual[k].number[t]); if(individual[k].speed[t]>VMAX) individual[k].speed[t]=VMAX; //位置 individual[k].number[t]=individual[k].number[t]+individual[k].speed[t]; if(individual[k].number[t]<XMIN) individual[k].number[t]=2*XMIN-individual[k].number[t]; if(individual[k].number[t]>XMAX) individual[k].number[t]=2*XMAX-individual[k].number[t]; } calculation(k); //适应值 localbest(k); //局部最优 } globalbest(1); //全局最优 } } printf("%d,%f\t",i,PBEST); //最小值 } printf("Total number is%d\n",total); printf("Sum is %f\n",sum); printf("Average is %f\n",sum/total); return 0; }