粒子群优化算法-python版本和matlab函数调用

关键词：

前两天分享了粒子群优化算法的原理和Matlab原理实现，本文分享一下Python代码下的PSO实现以及Matlab下的粒子群函数。

前文参看：​​粒子群优化算法（PSO）​​

---

以Ras函数（Rastrigins Function）为目标函数，求其在x1,x2∈[-5,5]上的最小值。这个函数对模拟退火、进化计算等算法具有很强的欺骗性，因为它有非常多的局部最小值点和局部最大值点，很容易使算法陷入局部最优，而不能得到全局最优解。如下图所示，该函数只在(0,0)处存在全局最小值0。

Python代码实现

import numpy as np
import matplotlib.pyplot as plt


# 目标函数定义
def ras(x):
    y = 20 + x[0] ** 2 + x[1] ** 2 - 10 * (np.cos(2 * np.pi * x[0]) + np.cos(2 * np.pi * x[1]))
    return y


# 参数初始化
w = 1.0
c1 = 1.49445
c2 = 1.49445

maxgen = 200  # 进化次数
sizepop = 20  # 种群规模

# 粒子速度和位置的范围
Vmax = 1
Vmin = -1
popmax = 5
popmin = -5

# 产生初始粒子和速度
pop = 5 * np.random.uniform(-1, 1, (2, sizepop))
v = np.random.uniform(-1, 1, (2, sizepop))

fitness = ras(pop)  # 计算适应度
i = np.argmin(fitness)  # 找最好的个体
gbest = pop  # 记录个体最优位置
zbest = pop[:, i]  # 记录群体最优位置
fitnessgbest = fitness  # 个体最佳适应度值
fitnesszbest = fitness[i]  # 全局最佳适应度值

# 迭代寻优
t = 0
record = np.zeros(maxgen)
while t < maxgen:

    # 速度更新
    v = w * v + c1 * np.random.random() * (gbest - pop) + c2 * np.random.random() * (zbest.reshape(2, 1) - pop)
    v[v > Vmax] = Vmax  # 限制速度
    v[v < Vmin] = Vmin

    # 位置更新
    pop = pop + 0.5 * v
    pop[pop > popmax] = popmax  # 限制位置
    pop[pop < popmin] = popmin

    
    # 自适应变异
    p = np.random.random()             # 随机生成一个0~1内的数
    if p > 0.8:                          # 如果这个数落在变异概率区间内，则进行变异处理
        k = np.random.randint(0,2)     # 在[0,2)之间随机选一个整数
        pop[:,k] = np.random.random()  # 在选定的位置进行变异 
    

    # 计算适应度值
    fitness = ras(pop)

    # 个体最优位置更新
    index = fitness < fitnessgbest
    fitnessgbest[index] = fitness[index]
    gbest[:, index] = pop[:, index]

    # 群体最优更新
    j = np.argmin(fitness)
    if fitness[j] < fitnesszbest:
        zbest = pop[:, j]
        fitnesszbest = fitness[j]

    record[t] = fitnesszbest  # 记录群体最优位置的变化

    t = t + 1

# 结果分析
print(zbest)

plt.plot(record, b-)
plt.xlabel(generation)
plt.ylabel(fitness)
plt.title(fitness curve)
plt.show()

结果为

[0.99699579 0.00148844]

可以知道求解的点非最小值，算法陷入了局部最小值。

删除自适应变异部分的注释，运行后结果如下，可以看出收敛到全局最优解。

[0.00022989 0.00014612]

Matlab有个自带的粒子群优化函数particleswarm也可以使用。本例的代码如下：

y = @(x) 20 + x(1).^2 + x(2).^2 - 10*(cos(2*pi*x(1))+cos(2*pi*x(2)));
rng default
options = optimoptions(particleswarm,SwarmSize,200,HybridFcn,@fmincon,MaxIterations,200, Display,iter);
lb = [-5 -5];     % 这是变量的下限
ub = [5 5];       % 这是变量的上限
[x,fval,exitflag,output] = particleswarm(y,length(lb),lb,ub,options);

结果如下

particleswarm详细资料参考：

​​https://www.mathworks.com/help/gads/particleswarm.html​​

Matlab文档

matlab-粒子群源码优化模糊隶属度函数值(代码片段)

1、内容简介略594-可以交流、咨询、答疑粒子群源码优化模糊隶属度函数值2、内容说明定义粒子群优化算法(ParticleSwarmoptimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的... 查看详情

[matlab]3.粒子群优化算法(代码片段)

粒子群优化（PSO,particleswarmoptimization）算法是计算智能领域，除了蚁群算法，鱼群算法之外的一种群体智能的优化算法，该算法最早由Kennedy和Eberhart在1995年提出的，该算法源自对鸟类捕食问题的研究。实例分析1:根据PSO算法思路... 查看详情

粒子群优化算法pso及matlab实现

 算法学习自：MATLAB与机器学习教学视频 1、粒子群优化算法概述粒子群优化（PSO,particleswarmoptimization）算法是计算智能领域，除了蚁群算法，鱼群算法之外的一种群体智能的优化算法，该算法最早由Kennedy和Eberhart在1995年... 查看详情

三维装箱基于matlab粒子群算法求解三维装箱优化问题含matlab源码950期

一、简介1粒子群算法的概念粒子群优化算法(PSO：Particleswarmoptimization)是一种进化计算技术（evolutionarycomputation）。源于对鸟群捕食的行为研究。粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解... 查看详情

预测模型基于matlab粒子群算法预测含matlab源码1326期

一、粒子群算法简介1粒子群算法的概念粒子群优化算法(PSO：Particleswarmoptimization)是一种进化计算技术（evolutionarycomputation）。源于对鸟群捕食的行为研究。粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来... 查看详情

图像分割基于matlab粒子群算法优化模拟退火算法图像分割含matlab源码2020期

一、粒子群算法优化模拟退火算法图像分割简介（具体理论见参考文献）1基于模拟退火思想的粒子群算法1.1基本PSO算法首先,粒子群算法是由Eberhan博士和Kennedy博士最先提出的全局优化进化算法。该算法源于对鸟群捕食行为的灵... 查看详情

优化分类基于matlab粒子群算法优化svm分类含matlab源码1588期(代码片段)

一、粒子群算法优化SVM简介支持向量机(supportvectormachine,SVM)是针对有限样本情况的机器学习方法,它的提出根据统计学习理论的VC理论和结构风险最小化原则。支持向量机已经成为智能技术领域研究的热点。它有着泛化能力强,识别... 查看详情

优化求解基于matlab粒子群算法求解函数极值问题含matlab源码1202期

一、粒子群算法简介1引言自然界中的鸟群和鱼群的群体行为一直是科学家的研究兴趣所在。生物学家CraigReynolds在1987年提出了一个非常有影响的鸟群聚集模型，在他的仿真中，每一个个体都遵循：避免与邻域个体相撞：匹配邻域... 查看详情

图像分割基于matlab粒子群算法优化模拟退火算法图像分割含matlab源码2020期

一、粒子群算法优化模拟退火算法图像分割简介（具体理论见参考文献）1基于模拟退火思想的粒子群算法1.1基本PSO算法首先,粒子群算法是由Eberhan博士和Kennedy博士最先提出的全局优化进化算法。该算法源于对鸟群捕食行... 查看详情

优化算法粒子群工具箱函数优化算法含matlab源码1126期(代码片段)

一、简介粒子群算法源于复杂适应系统（ComplexAdaptiveSystem,CAS）。CAS理论于1994年正式提出，CAS中的成员称为主体。比如研究鸟群系统，每个鸟在这个系统中就称为主体。主体有适应性，它能够与环境及其他的主... 查看详情

matlab粒子群算法初始化粒子群函数

我安装的是MATLB7.6.0（R2008)版本！但在做粒子群算法（PSO）利用initSwarm函数初始化粒子群的时候遇到了问题，在没有警告错误的前提下运行会提示初始化粒子群那一行是错的，同时我在help里面没有查到这个函数，不知道是不是因... 查看详情

风电功率预测基于matlab粒子群算法优化lstm风电功率预测含matlab源码941期(代码片段)

一、粒子群算法及LSTM简介1粒子群算法简介1.1粒子群算法的概念**粒子群优化算法(PSO：Particleswarmoptimization)是一种进化计算技术（evolutionarycomputation）。源于对鸟群捕食的行为研究。粒子群优化算法的基本思想：是... 查看详情

优化算法天牛须搜索优化粒子群算法含matlab源码1256期

...017年提出的一种高效的智能优化算法。类似于遗传算法、粒子群算法、模拟退火等智能优化算法，天牛须搜索不需要知道函数的具体形式，不要虚梯度信息，就可以实现高效寻优。相比于粒子群算法，天牛须搜索只只要一个个体... 查看详情

优化控制基于matlab粒子群算法优化pid船舶航迹控制含matlab源码2332期

⛄一、粒子群算法优化PID简介1PID控制器原理PID控制器，由比例P、积分I和微分D3个参数所构成．作为二阶线性控制器，比例、积分和微分这3个参数可以直接影响PID控制器的控制效果．所以，通过对比例、积分和微分3个参数进行... 查看详情

优化求解模拟退火结合粒子群优化算法matlab源码(代码片段)

1引言　　粒子群算法(ParticalSwarmOptimization-PSO)是1995年由Eberhart博士和kennedy博士共同提出的一种优化算法[1][2]。它属于群智能算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，通过适应度... 查看详情

优化求解模拟退火结合粒子群优化算法matlab源码(代码片段)

1引言　　粒子群算法(ParticalSwarmOptimization-PSO)是1995年由Eberhart博士和kennedy博士共同提出的一种优化算法[1][2]。它属于群智能算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，通过适应度... 查看详情

svm预测基于粒子群算法优化实现svm数据分类matlab源码(代码片段)

...分1.1二维空间​​​​​​​​​2算法部分​​​ 二、粒子群算法粒子群算法是在1995年由Eberhart博士和Ke 查看详情

优化算法粒子群算法和混沌搜索协同优化算法含matlab源码1299期

一、粒子群算法简介1引言自然界中的鸟群和鱼群的群体行为一直是科学家的研究兴趣所在。生物学家CraigReynolds在1987年提出了一个非常有影响的鸟群聚集模型，在他的仿真中，每一个个体都遵循：避免与邻域个体相撞：匹配邻域... 查看详情