PSO 简单的粒子群算法示例MATLAB实现

https://blog.youkuaiyun.com/weixin_40679412/article/details/80571854

本实例主要是参考的以上的作者的程序，在原作者的基础上增加了注释语句。

本文主要是一个简单的粒子群示例算法，粒子群的规模是50，每个粒子的变量是2，一开始不理解适应度函数的数学意义，现在在我的理解中适应度函数就相当于深度学习中的损失函数；
clc
clear
close all
E=0.000001;
maxnum=800;%最大迭代次数
narvs=2;%目标函数的自变量个数
particlesize=50;%粒子群规模
c1=2;%每个粒子的个体学习因子，加速度常数
c2=2;%每个粒子的社会学习因子，加速度常数
w=0.6;%惯性因子
vmax=5;%粒子的最大飞翔速度
v=2*rand(particlesize,narvs);%粒子飞翔速度
x=-300+600*rand(particlesize,narvs);%粒子所在位置
%定义适应度函数
fitness=inline('(x(1)^2+x(2)^2)/10000','x');
for i=1:particlesize
   f(i)=fitness(x(i,:));
end
personalbest_x=x;
personalbest_faval=f;
[globalbest_faval,i]=min(personalbest_faval);
globalbest_x=personalbest_x(i,:);
k=1;
while (k<=maxnum) %对参数进行更新
   for i=1:particlesize
           f(i)=fitness(x(i,:));
       if f(i)<personalbest_faval(i)
           personalbest_faval(i)=f(i);
           personalbest_x(i,:)=x(i,:);
       end
   end
   [globalbest_faval,i]=min(personalbest_faval);
   globalbest_x=personalbest_x(i,:);
   for i=1:particlesize
       v(i,:)=w*v(i,:)+c1*rand*(personalbest_x(i,:)-x(i,:))...
           +c2*rand*(globalbest_x-x(i,:)); %求出粒子速度
       for j=1:narvs %对速度的上下界进行判断
           if v(i,j)>vmax
               v(i,j)=vmax;
           elseif v(i,j)<-vmax
               v(i,j)=-vmax;
end
       end
       x(i,:)=x(i,:)+v(i,:);
end
ff(k)=globalbest_faval;%储存全局最优值
if globalbest_faval<E
break
end
% figure(1)
% for i= 1:particlesize
% plot(x(i,1),x(i,2),'*')
% end
   k=k+1;
end
xbest=globalbest_x;
figure(2)
set(gcf,'color','white');