PSO求解最大崩溃路径 MATLAB源程序 -

%% 该函数演示多目标perota优化问题
%清空环境
%close all
%clear,clc
load qzjz %权值矩阵
%% 初始参数
%初始化程序
Dim=20; %粒子维数
PopSize=100; %种群个数
MaxIt=500; %迭代次数
c1=0.5; %算法参数
c2=0.7; %算法参数
wmax=1.2; %惯性因子
wmin=0.1; %惯性因子
NumToNext=1; %记录最优适应值个数
NumToQuit=1; %记录最优适应度重复出现的个数
w=0;
for i=1:PopSize %粒子初始化
Group(i,:)=randperm(20);
end
v=zeros(1,Dim); %速度初始化
%定义位置
x=[10 10 5 20 30 20 10 20 25 5 20 5 10 10 0 30 15 15 0 5 10];
y=[2.5 3 2 2 0 1.5 1 0.5 1 0.5 0 0 0.5 0 1.5 0.5 1.5 2 2 1.5 2.5];
% 粒子适应度值
IndivdualFitness=ones(1,PopSize); %单个粒子适应度
%计算初始目标向量
for i=1:PopSize
for j=1:Dim-1
IndivdualFitness(i) = IndivdualFitness(i)*qzjz(Group(i,j),Group(i,j+1)); %粒子概率
end
end
% 最优值初始化
IndivdualBestFitness=IndivdualFitness; %粒子最大适应度
IndivdualBestPath=Group; %个体最佳值
GlobalBestPath=Group(1,:); %粒子群最佳位置
%记录上一次各粒子的适应值
OldIndivdualFitness=IndivdualFitness;
%记录初始最优适应值
OldGlobalBestFitness=max(IndivdualBestFitness);
%随机解
sign={'1','2','3','4','5','6','7','8','9','10','11','12','13','14','15','16','17','18','19','20'};
figure;
subplot(2,2,1);
plot(x,y,'r*');
for i=1:Dim
text(x(i)+0.1,y(i)+0.1,sign{i}) %利用点的坐标添加对应标注
end
line(x,y);
title('随机解')
grid on;
%% 循环迭代
for iter=1:MaxIt
% 权值更新
w=wmax-(wmax-wmin)*iter/MaxIt;
%% 群体更新
for i=1:PopSize
%速度更新
v=w*v+c1*rand(1,1)*(IndivdualBestPath(i,:)-Group(i,:))+c2*rand(1,1)*(GlobalBestPath-Group(i,:));
%位置更新
Group(i,:)=Group(i,:)+v;
Group(i,:)=ceil(Group(i,:));
index0=[];
for j=1:Dim
flag=0; %没有不符合条件的值
if ((Group(i,j)<=0)||(Group(i,j)>Dim))
flag=1;
end
for k=j+1:Dim
if Group(i,j)==Group(i,k)
flag=1;
break;
end
end
if flag==1
index0=[index0,j];
end
end
t=1;
m=randperm(Dim);
NumOfSize=size(index0,2);
for j=1:Dim
flag=0; %新产生的随机数与原矩阵中不相同
for k=1:Dim
flag0=0;
for q=1:NumOfSize
if k==index0(q)
flag0=1;
end
end
if flag0==1
continue;
end
if m(1,j)==Group(i,k)
flag=1;
break;
end
end
if flag==0
Group(i,index0(t))=m(1,j);
t=t+1;
end
if t>length(index0)
break;
end
end
end
%% 计算更新后个体适应度
IndivdualFitness(:)=1;
for i=1:PopSize
for j=1:Dim-1 %控制类别
IndivdualFitness(i) = IndivdualFitness(i)*qzjz(Group(i,j),Group(i,j+1)); %计算粒子i 概率
end
end
IsChange=IndivdualFitness>=OldIndivdualFitness; %判断新粒子路径的适应值是否大于原来的
IndivdualBestPath(find(IsChange),:) = Group(find(IsChange),:);%更新个体最佳路径
OldIndivdualFitness = OldIndivdualFitness.*( ~IsChange) + IndivdualFitness.*IsChange;%更新个体最佳路径距离
[GlobalBestFitness,Index]=max(IndivdualFitness);
GlobalBestPath=Group(Index,:);
if GlobalBestFitness>OldGlobalBestFitness
NumToNext=NumToNext+1;
OldGlobalBestFitness(1,NumToNext)=GlobalBestFitness;
else
NumToQuit=NumToQuit+1;
end
if NumToQuit>=20 %重复20次种群最优适应度为改变就退出迭代
break;
end
end
%最优解
for i=1:Dim
x1(i)=x(GlobalBestPath(i));
y1(i)=y(GlobalBestPath(i));
end
subplot(2,2,2);
plot(x,y,'r*');
for i=1:Dim
text(x(i)+0.1,y(i)+0.1,sign{i}) %利用点的坐标添加对应标注
end
line(x1,y1);
title('最优解');
grid on;
%适应值曲线
subplot(2,2,3:4);
s=size(OldGlobalBestFitness,2);
plot(1:s,OldGlobalBestFitness,'p');
line(1:s,OldGlobalBestFitness);
%%给出计算结果
disp('最优路径为：');
for i=1:Dim
fprintf('%d',GlobalBestPath(i));
if i~=Dim
fprintf('%s','-');
end
end
fprintf('\n');

复制代码