求把MATLAB的pso源代码算法修改为 qpso算法 要求返回参数相同

下面的代码是量子群优化算法，你参照着改下：

popsize=20

MAXITER=2000

dimension=30

irange_l=-5.12

irange_r=5.12

xmax=10

sum1=0

sum2=0

mean=0

st=0

runno=10

data1=zeros(runno,MAXITER)

for run=1:runno

T=cputime

x=(irange_r- irange_l)*rand(popsize,dimension,1) + irange_l

pbest=x

gbest=zeros(1,dimension)

for i=1:popsize

f_x(i)=f3(x(i,:))

f_pbest(i)=f_x(i)

end

g=min(find(f_pbest==min(f_pbest(1:popsize))))

gbest=pbest(g,:)

f_gbest=f_pbest(g)

MINIUM=f_pbest(g)

for t=1:MAXITER

beta=(1-0.5)*(MAXITER-t)/MAXITER+0.5

mbest=sum(pbest)/popsize

for i=1:popsize

fi=rand(1,dimension)

p=fi.*pbest(i,:)+(1-fi).*gbest

u=rand(1,dimension)

b=beta*(mbest-x(i,:))

v=-log(u)

y=p+((-1).^ceil(0.5+rand(1,dimension))).*b.*v

x(i,:)=y

x(i,:)=sign(y).*min(abs(y),xmax)

f_x(i)=f3(x(i,:))

if f_x(i)<f_pbest(i)

pbest(i,:)=x(i,:)

f_pbest(i)=f_x(i)

end

if f_pbest(i)<f_gbest

gbest=pbest(i,:)

f_gbest=f_pbest(i)

end

MINIUM=f_gbest

end

data1(run,t)=MINIUM

if MINIUM>1e-007

mean=t

end

end

sum1=sum1+mean

sum2=sum2+MINIUM

%MINIUM

time=cputime-T

st=st+time

end

av1=sum1/10 %输出平均收验代数

av2=sum2/10 %输出平均最优解

st/10 %就是最后anw输出的解

%不知道你具体的问题是什么，下面是一个最基本的pso算法解决函数极值问题，如果是一些大型的问题，需要对速度、惯性常数、和自适应变异做进一步优化，希望对你有帮助

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

%% 清空环境

clc

clear

%% 参数初始化

%粒子群算法中的两个参数

c1 = 1.49445

c2 = 1.49445

maxgen=200 % 进化次数

sizepop=20 %种群规模

Vmax=1%速度限制

Vmin=-1

popmax=5%种群限制

popmin=-5

%% 产生初始粒子和速度

for i=1:sizepop

%随机产生一个种群

pop(i,:)=5*rands(1,2) %初始种群

V(i,:)=rands(1,2) %初始化速度

%计算适应度

fitness(i)=fun(pop(i,:)) %染色体的适应度

end

%找最好的染色体

[bestfitness bestindex]=min(fitness)

zbest=pop(bestindex,:) %全局最佳

gbest=pop %个体最佳

fitnessgbest=fitness %个体最佳适应度值

fitnesszbest=bestfitness %全局最佳适应度值

%% 迭代寻优

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

%种群更新

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

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

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

%自适应变异（避免粒子群算法陷入局部最优）

if rand>0.8

k=ceil(2*rand)%ceil朝正无穷大方向取整

pop(j,k)=rand

end

%适应度值

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

%个体最优更新

if fitness(j) <fitnessgbest(j)

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

fitnessgbest(j) = fitness(j)

end

%群体最优更新

if fitness(j) <fitnesszbest

zbest = pop(j,:)

fitnesszbest = fitness(j)

end

end

yy(i)=fitnesszbest

end

%% 结果分析

plot(yy)

title(['适应度曲线 ' '终止代数＝' num2str(maxgen)])

xlabel('进化代数')ylabel('适应度')

以上回答你满意么？

---