C语言，用粒子群算法求函数最大值，拜托了！！

for i=1:sizepop % 随机产生一个种群 pop(i,:)=2*rands(1,2)% 初始化粒子 V(i,:)=0.5*rands(1,2)% 初始化速度 % 计算粒子适应度值 fitness(i)=fun(pop(i,:))end [bestfitness bestindex]=min(fitness)zbest=pop(bestindex,:)% 群体极...

%% 该函数演示多目标perota优化问题

%清空环境

clc

clear

load data

%% 初始参数

objnum=size(P,1)%类中物品个数

weight=92 %总重量限制

%初始化程序

Dim=5%粒子维数

xSize=50 %种群个数

MaxIt=200%迭代次数

c1=0.8 %算法参数

c2=0.8 %算法参数

wmax=1.2 %惯性因子

wmin=0.1 %惯性因子

x=unidrnd(4,xSize,Dim) %粒子初始化

v=zeros(xSize,Dim) %速度初始化

xbest=x %个体最佳值

gbest=x(1,:) %粒子群最佳位置

% 粒子适应度值

px=zeros(1,xSize) %粒子价值目标

rx=zeros(1,xSize) %粒子体积目标

cx=zeros(1,xSize) %重量约束

% 最优值初始化

pxbest=zeros(1,xSize)%粒子最优价值目标

rxbest=zeros(1,xSize)%粒子最优体积目标

cxbest=zeros(1,xSize) %记录重量，以求约束

% 上一次的值

pxPrior=zeros(1,xSize)%粒子价值目标

rxPrior=zeros(1,xSize)%粒子体积目标

cxPrior=zeros(1,xSize)%记录重量，以求约束

%计算初始目标向量

for i=1:xSize

for j=1:Dim %控制类别

px(i) = px(i)+P(x(i,j),j) %粒子价值

rx(i) = rx(i)+R(x(i,j),j) %粒子体积

cx(i) = cx(i)+C(x(i,j),j) %粒子重量

end

end

% 粒子最优位置

pxbest=pxrxbest=rxcxbest=cx

%% 初始筛选非劣解

flj=[]

fljx=[]

fljNum=0

%两个实数相等精度

tol=1e-7

for i=1:xSize

flag=0 %支配标志

for j=1:xSize

if j~=i

if ((px(i)<px(j)) && (rx(i)>rx(j))) ||((abs(px(i)-px(j))<tol)...

&& (rx(i)>rx(j)))||((px(i)<px(j)) && (abs(rx(i)-rx(j))<tol)) || (cx(i)>weight)

flag=1

break

end

end

end

%判断有无被支配

if flag==0

fljNum=fljNum+1

% 记录非劣解

flj(fljNum,1)=px(i)flj(fljNum,2)=rx(i)flj(fljNum,3)=cx(i)

% 非劣解位置

fljx(fljNum,:)=x(i,:)

end

end

%% 循环迭代

for iter=1:MaxIt

% 权值更新

w=wmax-(wmax-wmin)*iter/MaxIt

%从非劣解中选择粒子作为全局最优解

s=size(fljx,1)

index=randi(s,1,1)

gbest=fljx(index,:)

%% 群体更新

for i=1:xSize

%速度更新

v(i,:)=w*v(i,:)+c1*rand(1,1)*(xbest(i,:)-x(i,:))+c2*rand(1,1)*(gbest-x(i,:))

%位置更新

x(i,:)=x(i,:)+v(i,:)

x(i,:) = rem(x(i,:),objnum)/double(objnum)

index1=find(x(i,:)<=0)

if ~isempty(index1)

x(i,index1)=rand(size(index1))

end

x(i,:)=ceil(4*x(i,:))

end

%% 计算个体适应度

pxPrior(:)=0

rxPrior(:)=0

cxPrior(:)=0

for i=1:xSize

for j=1:Dim %控制类别

pxPrior(i) = pxPrior(i)+P(x(i,j),j) %计算粒子i 价值

rxPrior(i) = rxPrior(i)+R(x(i,j),j) %计算粒子i 体积

cxPrior(i) = cxPrior(i)+C(x(i,j),j) %计算粒子i 重量

end

end

%% 更新粒子历史最佳

for i=1:xSize

%现在的支配原有的，替代原有的

if ((px(i)<pxPrior(i)) && (rx(i)>rxPrior(i))) ||((abs(px(i)-pxPrior(i))<tol)...

&& (rx(i)>rxPrior(i)))||((px(i)<pxPrior(i)) && (abs(rx(i)-rxPrior(i))<tol)) || (cx(i)>weight)

xbest(i,:)=x(i,:)%没有记录目标值

pxbest(i)=pxPrior(i)rxbest(i)=rxPrior(i)cxbest(i)=cxPrior(i)

end

%彼此不受支配，随机决定

if ~( ((px(i)<pxPrior(i)) && (rx(i)>rxPrior(i))) ||((abs(px(i)-pxPrior(i))<tol)...

&& (rx(i)>rxPrior(i)))||((px(i)<pxPrior(i)) && (abs(rx(i)-rxPrior(i))<tol)) || (cx(i)>weight) )...

&& ~( ((pxPrior(i)<px(i)) && (rxPrior(i)>rx(i))) ||((abs(pxPrior(i)-px(i))<tol) && (rxPrior(i)>rx(i)))...

||((pxPrior(i)<px(i)) && (abs(rxPrior(i)-rx(i))<tol)) || (cxPrior(i)>weight) )

if rand(1,1)<0.5

xbest(i,:)=x(i,:)

pxbest(i)=pxPrior(i)rxbest(i)=rxPrior(i)cxbest(i)=cxPrior(i)

end

end

end

%% 更新非劣解集合

px=pxPrior

rx=rxPrior

cx=cxPrior

%更新升级非劣解集合

s=size(flj,1)%目前非劣解集合中元素个数

%先将非劣解集合和xbest合并

pppx=zeros(1,s+xSize)

rrrx=zeros(1,s+xSize)

cccx=zeros(1,s+xSize)

pppx(1:xSize)=pxbestpppx(xSize+1:end)=flj(:,1)'

rrrx(1:xSize)=rxbestrrrx(xSize+1:end)=flj(:,2)'

cccx(1:xSize)=cxbestcccx(xSize+1:end)=flj(:,3)'

xxbest=zeros(s+xSize,Dim)

xxbest(1:xSize,:)=xbest

xxbest(xSize+1:end,:)=fljx

%筛选非劣解

flj=[]

fljx=[]

k=0

tol=1e-7

for i=1:xSize+s

flag=0%没有被支配

%判断该点是否非劣

for j=1:xSize+s

if j~=i

if ((pppx(i)<pppx(j)) && (rrrx(i)>rrrx(j))) ||((abs(pppx(i)-pppx(j))<tol) ...

&& (rrrx(i)>rrrx(j)))||((pppx(i)<pppx(j)) && (abs(rrrx(i)-rrrx(j))<tol)) ...

|| (cccx(i)>weight) %有一次被支配

flag=1

break

end

end

end

%判断有无被支配

if flag==0

k=k+1

flj(k,1)=pppx(i)flj(k,2)=rrrx(i)flj(k,3)=cccx(i)%记录非劣解

fljx(k,:)=xxbest(i,:)%非劣解位置

end

end

%去掉重复粒子

repflag=0 %重复标志

k=1%不同非劣解粒子数

flj2=[]%存储不同非劣解

fljx2=[] %存储不同非劣解粒子位置

flj2(k,:)=flj(1,:)

fljx2(k,:)=fljx(1,:)

for j=2:size(flj,1)

repflag=0 %重复标志

for i=1:size(flj2,1)

result=(fljx(j,:)==fljx2(i,:))

if length(find(result==1))==Dim

repflag=1%有重复

end

end

%粒子不同，存储

if repflag==0

k=k+1

flj2(k,:)=flj(j,:)

fljx2(k,:)=fljx(j,:)

end

end

%非劣解更新

flj=flj2

fljx=fljx2

end

%绘制非劣解分布

plot(flj(:,1),flj(:,2),'o')

xlabel('P')

ylabel('R')

title('最终非劣解在目标空间分布')

disp('非劣解flj中三列依次为P，R，C')

---