利用python实现PSO算法优化二元函数

2023-08-09 11:17:05 56

python实现PSO算法优化二元函数，具体代码如下所示：

importnumpyasnp
importrandom
importmatplotlib.pyplotasplt
frommpl_toolkits.mplot3dimportAxes3D
#----------------------PSO参数设置---------------------------------
classPSO():
def__init__(self,pN,dim,max_iter):#初始化类设置粒子数量位置信息维度最大迭代次数
#self.w=0.8
self.ws=0.9
self.we=0.4
self.c1=1.49445
self.c2=1.49445
self.r1=0.6
self.r2=0.3
self.pN=pN#粒子数量
self.dim=dim#搜索维度
self.max_iter=max_iter#迭代次数
self.X=np.zeros((self.pN,self.dim))#所有粒子的位置（还要确定取值范围）
self.Xmax=5
self.Xmin=-5
self.V=np.zeros((self.pN,self.dim))#所有粒子的速度（还要确定取值范围）
self.Vmax=1
self.Vmin=-1
self.pbest=np.zeros((self.pN,self.dim))#个体经历的最佳位置
self.gbest=np.zeros((1,self.dim))#全局最佳位置
self.p_fit=np.zeros(self.pN)#每个个体的历史最佳适应值
self.fit=0#全局最佳适应值
#---------------------目标函数Sphere函数-----------------------------
deffunction(self,x):
y=np.sin(10*np.pi*x)/x
returny
defHolder_table(self,x,y):
z=-np.abs(np.sin(x)*np.cos(y)*np.exp(np.abs(1-np.sqrt(x**2+y**2)/np.pi)))
returnz
deffuck(self,x,y):
z=x**2+y**2-10*np.cos(2*np.pi*x)-10*np.cos(2*np.pi*y)+20
returnz
#---------------------初始化种群----------------------------------
definit_Population(self):
foriinrange(self.pN):#遍历所有粒子
forjinrange(self.dim):#每一个粒子的纬度
self.X[i][j]=random.uniform(-5,5)#给每一个粒子的位置赋一个初始随机值（在一定范围内）
self.V[i][j]=random.uniform(-1,1)#给每一个粒子的速度给一个初始随机值（在一定范围内）
self.pbest[i]=self.X[i]#把当前粒子位置作为这个粒子的最优位置
tmp=self.fuck(self.X[i][0],self.X[i][1])#计算这个粒子的适应度值
self.p_fit[i]=tmp#当前粒子的适应度值作为个体最优值
if(tmp>self.fit):#与当前全局最优值做比较并选取更佳的全局最优值
self.fit=tmp
self.gbest=self.X[i]
#---------------------更新粒子位置----------------------------------
defiterator(self):
fitness=[]
fortinrange(self.max_iter):
w=self.ws-(self.ws-self.we)*(t/self.max_iter)
foriinrange(self.pN):
#更新速度
self.V[i]=w*self.V[i]+self.c1*self.r1*(self.pbest[i]-self.X[i])+self.c2*self.r2*(self.gbest-self.X[i])
ifself.V[i][0]>self.Vmax:
self.V[i][0]=self.Vmax
elifself.V[i][0]self.Vmax:
self.V[i][1]=self.Vmax
elifself.V[i][1]self.Xmax:
self.X[i][0]=self.Xmax
elifself.X[i][0]self.Xmax:
self.X[i][1]=self.Xmax
elifself.X[i][1]self.p_fit[i]):#更新个体最优
self.pbest[i]=self.X[i]
self.p_fit[i]=temp
if(temp>self.fit):#更新全局最优
self.gbest=self.X[i]
self.fit=temp
fitness.append(self.fit)
print('最优值为：',self.fit)#输出最优值
z1=self.fit
print('最优位置为：',self.X[i][0],self.X[i][1])
x1=self.X[i][0]
y1=self.X[i][1]
returnfitness,z1,x1,y1
#----------------------程序执行-----------------------
my_pso=PSO(pN=100,dim=2,max_iter=200)
my_pso.init_Population()
fitness,z1,x1,y1=my_pso.iterator()
plt.figure(1)
plt.title("Figure1")
plt.xlabel("iterators",size=14)
plt.ylabel("fitness",size=14)
t=np.array([tfortinrange(0,200)])
fitness=np.array(fitness)
plt.plot(t,fitness,color='b',linewidth=3)
plt.show()
fig=plt.figure(figsize=(15,10))
ax=Axes3D(fig)
X=np.arange(-5,5,0.1)
Y=np.arange(-5,5,0.1)
X,Y=np.meshgrid(X,Y)
deff(x,y):
return(x**2+y**2-10*np.cos(2*np.pi*x)-10*np.cos(2*np.pi*y)+20)
ax.plot_surface(X,Y,f(X,Y),rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))
ax.scatter(x1,y1,z1,s=400,c='k',marker='*')
plt.show()

效果图如下

总结

以上所述是小编给大家介绍的利用python实现PSO算法优化二元函数，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对毛票票网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

利用python实现PSO算法优化二元函数

热门推荐

随机推荐