PSO算法里不等式約束怎么編程??？ x1+x2

我來說一種可行但不唯一的方案：

創(chuàng)新互聯(lián)堅持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：做網(wǎng)站、成都做網(wǎng)站、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時代的龍泉網(wǎng)站設(shè)計、移動媒體設(shè)計的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！

PSO求適應(yīng)度函數(shù)F=f(x1,x2,...,xn)的最小值，如果你想添加比如x1+x22這樣的不等式，就可以在計算完適應(yīng)度函數(shù)F后，判斷變量是否滿足你所要求的約束不等式，如果不滿足，則可以給適應(yīng)度函數(shù)值加入一個懲罰因子，比如原先函數(shù)值是21.5，加入懲罰因子inf（無窮大），就使得適應(yīng)度函數(shù)值變成了無窮大，這就達(dá)到了約束的效果；而如果滿足約束不等式，就不加入懲罰因子。

就是這樣子，不懂追問。

粒子群優(yōu)化算法（PSO)的matlab運(yùn)行程序~~謝謝大家啦！

%不知道你具體的問題是什么，下面是一個最基本的pso算法解決函數(shù)極值問題，如果是一些大型的問題，需要對速度、慣性常數(shù)、和自適應(yīng)變異做進(jìn)一步優(yōu)化，希望對你有幫助

function y = fun(x)

y=-20*exp(-0.2*sqrt((x(1)^2+x(2)^2)/2))-exp((cos(2*pi*x(1))+cos(2*pi*x(2)))/2)+20+2.71289;

%下面是主程序

%% 清空環(huán)境

clc

clear

%% 參數(shù)初始化

%粒子群算法中的兩個參數(shù)

c1 = 1.49445;

c2 = 1.49445;

maxgen=200; % 進(jìn)化次數(shù)

sizepop=20; %種群規(guī)模

Vmax=1;%速度限制

Vmin=-1;

popmax=5;%種群限制

popmin=-5;

%% 產(chǎn)生初始粒子和速度

for i=1:sizepop

%隨機(jī)產(chǎn)生一個種群

pop(i,:)=5*rands(1,2); %初始種群

V(i,:)=rands(1,2); %初始化速度

%計算適應(yīng)度

fitness(i)=fun(pop(i,:)); %染色體的適應(yīng)度

end

%找最好的染色體

[bestfitness bestindex]=min(fitness);

zbest=pop(bestindex,:); %全局最佳

gbest=pop; %個體最佳

fitnessgbest=fitness; %個體最佳適應(yīng)度值

fitnesszbest=bestfitness; %全局最佳適應(yīng)度值

%% 迭代尋優(yōu)

for i=1:maxgen

for j=1:sizepop

%速度更新

V(j,:) = V(j,:) + c1*rand*(gbest(j,:) - pop(j,:)) + c2*rand*(zbest - pop(j,:));

V(j,find(V(j,:)Vmax))=Vmax;

V(j,find(V(j,:)Vmin))=Vmin;

%種群更新

pop(j,:)=pop(j,:)+0.5*V(j,:);

pop(j,find(pop(j,:)popmax))=popmax;

pop(j,find(pop(j,:)popmin))=popmin;

%自適應(yīng)變異（避免粒子群算法陷入局部最優(yōu)）

if rand0.8

k=ceil(2*rand);%ceil朝正無窮大方向取整

pop(j,k)=rand;

end

%適應(yīng)度值

fitness(j)=fun(pop(j,:));

%個體最優(yōu)更新

if fitness(j) fitnessgbest(j)

gbest(j,:) = pop(j,:);

fitnessgbest(j) = fitness(j);

end

%群體最優(yōu)更新

if fitness(j) fitnesszbest

zbest = pop(j,:);

fitnesszbest = fitness(j);

end

end

yy(i)=fitnesszbest;

end

%% 結(jié)果分析

plot(yy)

title(['適應(yīng)度曲線 ' '終止代數(shù)＝' num2str(maxgen)]);

xlabel('進(jìn)化代數(shù)');ylabel('適應(yīng)度');

PSO算法解決帶約束條件的優(yōu)化問題

解決方案1：

..m

.;unitcircle.....;.......;.....\....\.....\.m

............\..;.;.\.\......\psoplotswarm......m

....m

;ackleysfcn........m

...;psoiterate..;.........psopt20100414\..;......;.........m

;void...m

..\....m

.m

..;initstate.\.\...\..;.........\.;...;..dropwavefcn.......m

.\...\............\....\.m

.\.m

...\....\....\..........m

;.;...;rosenbrocksfcn..;griewangksfcn......\.\..m

...\.....;testfcns

.................\...\......\.;templatefcn.\....\...;......;..m

;.m

...\...;.\.............;....;license;......;...;rastriginsfcn.......;pso.....;..;psogenerateoutputmessage............\.;testfcn1......\unitdisk.m

....\.;psocheckbounds...\...m

.....;...\.\...;......\..\.;..;.....\........\..\...m

.\....\.;psocheckinitialpopulation..\...\.;overlaysurface..\psorunhybridfcn.;..;psooptimset..;heart.....;psoplotswarmsurf..;psopt\............;.....\....\.\releasenotes.........\..\.....m

.m

..\..........\.\..;...\....\....\.;..\..\psocheckpopulationinitrange......\...........\..\...\...........\.............;.m

............;private\.\......\...\...;.\.....;...\....;testfcns\;......;quadrifolium.\.m

..;......;langermannsfcn;.\..............;..m

.....\........;overlaycontour..\..\..........\..\...\..........\......;psoplotscorediversity...;nonlinearconstrdemo.\.m

.;.....;...;psocreationuniform...\........;..m

......m

.....;............;private

........\.;..\...........;psodemo.........m

..........\..;.....;....;..\.dejongsfcn.............\....\.\......\....\..............\.......m

.psoplotbestf..;......m

...;schwefelsfcn;..\.;..........\.\.......\....\.....;......m

........\....;....m

..........txt

..txt

.m

跪求 pso算法在圖像分割中的應(yīng)用源代碼（MATLAB仿真）

%標(biāo)準(zhǔn)PSO算法源代碼（matlab）

%標(biāo)準(zhǔn)粒群優(yōu)化算法程序

% 2007.1.9 By jxy

%測試函數(shù)：f(x,y)=100(x^2-y)^2+(1-x)^2, -2.048x,y2.048

%求解函數(shù)最小值

global popsize; %種群規(guī)模

%global popnum; %種群數(shù)量

global pop; %種群

%global c0; %速度慣性系數(shù),為0—1的隨機(jī)數(shù)

global c1; %個體最優(yōu)導(dǎo)向系數(shù)

global c2; %全局最優(yōu)導(dǎo)向系數(shù)

global gbest_x; %全局最優(yōu)解x軸坐標(biāo)

global gbest_y; %全局最優(yōu)解y軸坐標(biāo)

global best_fitness; %最優(yōu)解

global best_in_history; %最優(yōu)解變化軌跡

global x_min; %x的下限

global x_max; %x的上限

global y_min; %y的下限

global y_max; %y的上限

global gen; %迭代次數(shù)

global exetime; %當(dāng)前迭代次數(shù)

global max_velocity; %最大速度

initial; %初始化

for exetime=1:gen

outputdata; %實時輸出結(jié)果

adapting; %計算適應(yīng)值

errorcompute(); %計算當(dāng)前種群適值標(biāo)準(zhǔn)差

updatepop; %更新粒子位置

pause(0.01);

end

clear i;

clear exetime;

clear x_max;

clear x_min;

clear y_min;

clear y_max;

%程序初始化

gen=100; %設(shè)置進(jìn)化代數(shù)

popsize=30; %設(shè)置種群規(guī)模大小

best_in_history(gen)=inf; %初始化全局歷史最優(yōu)解

best_in_history(gen)=inf; %初始化全局歷史最優(yōu)解

max_velocity=0.3; %最大速度限制

best_fitness=inf;

%popnum=1; %設(shè)置種群數(shù)量

pop(popsize,8)=0; %初始化種群,創(chuàng)建popsize行5列的0矩陣

%種群數(shù)組第1列為x軸坐標(biāo)，第2列為y軸坐標(biāo)，第3列為x軸速度分量，第4列為y軸速度分量

%第5列為個體最優(yōu)位置的x軸坐標(biāo)，第6列為個體最優(yōu)位置的y軸坐標(biāo)

%第7列為個體最優(yōu)適值，第8列為當(dāng)前個體適應(yīng)值

for i=1:popsize

pop(i,1)=4*rand()-2; %初始化種群中的粒子位置，值為-2—2，步長為其速度

pop(i,2)=4*rand()-2; %初始化種群中的粒子位置，值為-2—2，步長為其速度

pop(i,5)=pop(i,1); %初始狀態(tài)下個體最優(yōu)值等于初始位置

pop(i,6)=pop(i,2); %初始狀態(tài)下個體最優(yōu)值等于初始位置

pop(i,3)=rand()*0.02-0.01; %初始化種群微粒速度，值為-0.01—0.01，間隔為0.0001

pop(i,4)=rand()*0.02-0.01; %初始化種群微粒速度，值為-0.01—0.01，間隔為0.0001

pop(i,7)=inf;

pop(i,8)=inf;

end

c1=2;

c2=2;

x_min=-2;

y_min=-2;

x_max=2;

y_max=2;

gbest_x=pop(1,1); %全局最優(yōu)初始值為種群第一個粒子的位置

gbest_y=pop(1,2);

%適值計算

% 測試函數(shù)為f(x,y)=100(x^2-y)^2+(1-x)^2, -2.048x,y2.048

%計算適應(yīng)值并賦值

for i=1:popsize

pop(i,8)=100*(pop(i,1)^2-pop(i,2))^2+(1-pop(i,1))^2;

if pop(i,7)pop(i,8) %若當(dāng)前適應(yīng)值優(yōu)于個體最優(yōu)值，則進(jìn)行個體最優(yōu)信息的更新

pop(i,7)=pop(i,8); %適值更新

pop(i,5:6)=pop(i,1:2); %位置坐標(biāo)更新

end

end

%計算完適應(yīng)值后尋找當(dāng)前全局最優(yōu)位置并記錄其坐標(biāo)

if best_fitnessmin(pop(:,7))

best_fitness=min(pop(:,7)); %全局最優(yōu)值

gbest_x=pop(find(pop(:,7)==min(pop(:,7))),1); %全局最優(yōu)粒子的位置

gbest_y=pop(find(pop(:,7)==min(pop(:,7))),2);

end

best_in_history(exetime)=best_fitness; %記錄當(dāng)前全局最優(yōu)

%實時輸出結(jié)果

%輸出當(dāng)前種群中粒子位置

subplot(1,2,1);

for i=1:popsize

plot(pop(i,1),pop(i,2),'b*');

hold on;

end

plot(gbest_x,gbest_y,'r.','markersize',20);axis([-2,2,-2,2]);

hold off;

subplot(1,2,2);

axis([0,gen,-0.00005,0.00005]);

if exetime-10

line([exetime-1,exetime],[best_in_history(exetime-1),best_fitness]);hold on;

end

%粒子群速度與位置更新

%更新粒子速度

for i=1:popsize

pop(i,3)=rand()*pop(i,3)+c1*rand()*(pop(i,5)-pop(i,1))+c2*rand()*(gbest_x-pop(i,1)); %更新速度

pop(i,4)=rand()*pop(i,4)+c1*rand()*(pop(i,6)-pop(i,2))+c2*rand()*(gbest_x-pop(i,2));

if abs(pop(i,3))max_velocity

if pop(i,3)0

pop(i,3)=max_velocity;

else

pop(i,3)=-max_velocity;

end

end

if abs(pop(i,4))max_velocity

if pop(i,4)0

pop(i,4)=max_velocity;

else

pop(i,4)=-max_velocity;

end

end

end

%更新粒子位置

for i=1:popsize

pop(i,1)=pop(i,1)+pop(i,3);

pop(i,2)=pop(i,2)+pop(i,4);