粒子算法优化背包问题matlab(粒子群优化算法解决TSP问题及Matlab代码)
粒子算法优化背包问题matlab(粒子群优化算法解决TSP问题及Matlab代码)
2024-11-06 09:07:38  作者:寶佑珥  网址:https://m.xinb2b.cn/life/lns490515.html

1、粒子群算法简介

粒子群优化算法(Particle Swarm Optimization——PSO), 由James Kennedy(社会心理学博士)和Russell Eberhart(电子工程学博士,于1995年提出的一种基于种群的随机优化算法。


鸟被抽象为没有质量和体积的微粒(点),并延伸到N维空间,粒子I 在N维空间的位置表示为矢量Xi=(x1,x2,…,xn),飞行速度表示为矢量Vi=(v1,v2,…,vn),每个粒子都有一个由目标函数决定的适应值(fitness value);并且知道自己到目前为止发现的最好位置(pbest);除此之外,每个粒子还知道到目前为止整个群体中所有粒子发现的最好位置(gbest)(gbest是pbest中的最好值)。   

2、粒子群算法核心概念

如果鸟群觅食的过程中会有信息的交流,则每一个小鸟都会向最优的路径进行觅食的。每一个小鸟其对应的位置矢量和速度矢量,所以在寻优的过程中会对每一个粒子的位置和速度进行更新。


其中(1)式为粒子i在第k 1次迭代时的速度更新公式,(2)式为相对应的位置更新公式。

rand()是介于0~1之间的实数,ω为惯性因子,c1为个体学习因子,c2为群体认知因子。

从社会学的角度来看,公式(1)的第一部分称为记忆项,表示上次速度大小和方向的影响;公式第二部分称为自身认知项,是从当前点指向粒子自身最好点的一个矢量,表示粒子的动作来源于自己经验的分;公式的第三部分称为群体认知项,是一个从当前点指向种群最好点的矢量,反映了粒子间的协同合作和知识共享。

粒子就是通过自己的经验和同伴中最好的经验来决定下一步的运动。ω值较大,全局寻优能力强,局部寻优能力弱,ω较小,则反之。初始时,ω取为常数,后来实验发现,动态能够获得比固定值更好的寻优结果。动态可以在PSO搜索过程中线性变化,也可根据PSO性能的某个测度函数动态改变。

在解决TSP问题中,每一个粒子相当于遗传算法中的每一个个体,粒子的位置则相当于该个体访问所有城市的路径,粒子的速度则是一个交换序列的矩阵。该交换序列是把个体最优或群体最优的粒子与粒子群的路径关系。就是说在最优个体的粒子其中一个元素在待优化的粒子中的位置记录下来,并且在接下来的更新粒子位置时,尽量复制最优个体的元素序列。

3、粒子群算法流程

Step1:初始化一群微粒(群体规模为M),包括随机位置和速度;

Step2:评价每个微粒的适应度;

Step3:对每个微粒,将其适应值与其经过的最好位置pbest作比较,如果较好,则将其作为当前的最好位置pbest;

Step4:对每个微粒,将其适应值与其经过的最好位置gbest作比较,如果较好,则将其作为当前的最好位置gbest;

Step5:根据(1)、(2)式调整微粒速度和位置;

Step6:未达到结束条件则转Step2。

4、粒子群算法实例及代码


解决TSP问题的Matlab代码如下:

function Psorout = PSO_TSP(xy,dmat,Popsize,IterNum,showProg,showResult)%利用粒子群优化算法解决TSP问题nargs = 6;%代表函数要输入参数的个数for i = nargin:nargs-1 switch i case 0 %产生城市数据 xy = [488,814;1393,595;2735,2492;4788,4799;4825,1702;789,2927;4853,1120;4786,3757;2427,1276;4002,2530;710,3496;2109,4455;4579,4797;3962,2737;4798,694;3279,747;179,1288;4246,4204;4670,1272;3394,4072;3789,1218;3716,4647; 1962,1750];% xy = 5000*rand(39,2);%产生40个城市坐标40*2矩阵 case 1 %计算距离矩阵 N = size(xy,1); a = meshgrid(1:N);%生成N*N升序矩阵 dmat = reshape(sqrt(sum((xy(a,:)-xy(a',:)).^2,2)),N,N);% '为矩阵的转置,reshape把数据生成N*N的矩阵 case 2 %设置粒子群数目 Popsize = 500; case 3 %设置迭代次数 IterNum = 2000; case 4 %是否展示迭代过程 showProg = 1; case 5 %是否展示结果 showResult = 1; otherwise endend%对输入参数进行检查[N,~] = size(xy);%城市个数、维数[nr,nc] = size(dmat);%距离矩阵的行数和列数if N~=nr || N~=nc error('城市坐标或距离矩阵输入有误')endshowProg = logical(showProg(1));%将数值转变为逻辑值showResult = logical(showResult(1));%画出城市位置分布图figure(1);plot (xy(:,1),xy(:,2),'k.','MarkerSize',14);title('城市坐标位置');%% PSO参数初始化c1 = 0.1; %个体学习因子c2 = 0.075; %社会学习因子w = 1; %惯性因子pop = zeros(Popsize,N); %粒子位置v = zeros(Popsize,N); %粒子速度iter = 1; %迭代次数计时fitness = zeros(Popsize,1); %适应度函数值Pbest = zeros(Popsize,N); %个体极值路径Pbest_fitness = zeros(Popsize,1); %个体极值Gbest = zeros(IterNum,N); %群体极值路径Gbest_fitness = zeros(Popsize,1); %群体极值Length_ave = zeros(IterNum,1);ws = 1; %惯性因子最大值we = 0.5; %惯性因子最小值%% 产生初始位置和速度for i = 1:Popsize pop(i,:) = randperm(N); v(i,:) = randperm(N);end%计算粒子适应度值for i =1:Popsize for j =1:N-1 fitness(i) = fitness(i) dmat(pop(i,j),pop(i,j 1)); end fitness(i) = fitness(i) dmat(pop(i,end),pop(i,1));%加上终点回到起点的距离end%计算个体极值和群体极值Pbest_fitness = fitness;Pbest = pop;[Gbest_fitness(1),min_index] = min(fitness);Gbest(1,:) = pop(min_index);Length_ave(1) = mean(fitness);%% 迭代寻优while iter <IterNum %更新迭代次数与惯性系数 iter = iter 1; w = ws-(ws-we)*(iter/IterNum)^2;%动态惯性系数 %更新速度 %个体极值序列交换部分 change1 = positionChange(Pbest,pop); change1 = changeVelocity(c1,change1);%是否进行交换 %群体极值序列交换部分 change2 = positionChange(repmat(Gbest(iter-1,:),Popsize,1),pop);%将Gbest复制成m行 change2 = changeVelocity(c2,change2); %原速度部分 v = OVelocity(w,v); %修正速度 for i = 1:Popsize for j =1:N if change1(i,j) ~= 0 v(i,j) = change1(i,j); end if change2(i,j) ~= 0 v(i,j) = change2(i,j); end end end %更新粒子位置 pop = updatePosition(pop,v);%更新粒子的位置,也就是更新路径序列 %适应度值更新 fitness = zeros(Popsize,1); for i = 1:Popsize for j = 1:N-1 fitness(i) = fitness(i) dmat(pop(i,j),pop(i,j 1)); end fitness(i) = fitness(i) dmat(pop(i,end),pop(i,1)); end %个体极值与群体极值的更新 for i =1:Popsize if fitness(i) < Pbest_fitness(i) Pbest_fitness(i) = fitness(i); Pbest(i,:) = pop(i,:); end end [minvalue,min_index] = min(fitness); if minvalue <Gbest_fitness(iter-1) Gbest_fitness(iter) = minvalue; Gbest(iter,:) = pop(min_index,:); if showProg figure(2); for i = 1:N-1 %画出中间段 plot([xy(Gbest(iter,i),1),xy(Gbest(iter,i 1),1)],[xy(Gbest(iter,i),2),xy(Gbest(iter,i 1),2)],'bo-','LineWidth',2); hold on; end plot([xy(Gbest(iter,end),1),xy(Gbest(iter,1),1)],[xy(Gbest(iter,end),2),xy(Gbest(iter,1),2)],'bo-','LineWidth',2); title(sprintf('最优路线距离 = %1.2f,迭代次数 = %d次',minvalue,iter)); hold off end else Gbest_fitness(iter) = Gbest_fitness(iter-1); Gbest(iter,:) = Gbest(iter-1,:); end Length_ave(iter) = mean(fitness);end%% 结果显示[Shortest_Length,index] = min(Gbest_fitness);BestRoute = Gbest(index,:);if showResult figure(3); plot([xy(BestRoute,1);xy(BestRoute(1),1)],[xy(BestRoute,2);xy(BestRoute(1),2)],'o-') grid on xlabel('城市位置横坐标'); ylabel('城市位置纵坐标'); title(sprintf('粒子群算法优化路径最短距离:%1.2f',Shortest_Length)); figure(4); plot(1:IterNum,Gbest_fitness,'b',1:IterNum,Length_ave,'r:') legend('最短距离','平均距离'); xlabel('迭代次数'); ylabel('距离') title('各代最短距离与平均距离对比');endif nargout Psorout{1} = BestRoute; Psorout{2} = Shortest_Length; end endfunction change = positionChange(best,pop)%记录将pop变成best的交换序列for i = 1:size(best,1) for j =1:size(best,2) change(i,j) = find(pop(i,:)==best(i,j));%在粒子i中找到best(i,j)位置索引 temp = pop(i,j);%将序列交换 pop(i,j) = pop(i,change(i,j)); pop(i,change(i,j)) = temp; endendendfunction change = changeVelocity(c,change)%以一定的概率保留序列for i =1:size(change,1) for j = 1:size(change,2) if rand > c change(i,j) = 0; end endendendfunction v = OVelocity(c,v)%以一定的概率保留上一次迭代的交换序列for i =1:size(v,1) for j = 1:size(v,2) if rand >c v(i,j) = 0; end endendendfunction pop = updatePosition(pop,v)%利用速度记录的交换序列进行位置的更新for i = 1:size(pop,1) for j =1:size(pop,2) if v(i,j) ~= 0 temp = pop(i,j); pop(i,j) = pop(i,v(i,j)); pop(i,v(i,j)) = temp; end endendend

结果如下:



若有小伙伴对机器人任务分配算法较为兴趣的,可以在下面评论交流一波,纯属互相学习!

  • 网上可以做哪些网络兼职
  • 2024-11-06网上可以做哪些网络兼职1、开网店,这个现在来说不是特别的好做,但是做好了也很挣钱看看每天的快递数量,看看身边的人基本都有网购的经历就知道这个市场还是很大的,我们可以开网店卖很多的产品,前提是自己要有货源并且商品质量不错!2。
  • 成德眉资同城化我们能做什么(成德眉资同城化一场)
  • 2024-11-06成德眉资同城化一场成资渝高速通车(资料图)成资渝高速中和枢纽互通(资料图)在德阳市民丁望的记忆中,从未有哪一年,像刚刚过去的2020年这样感受深刻家乡在德阳、公司在成都,主要业务在眉山……曾经需要辗转于三地的他,现在越。
  • 绝地求生僵尸版地图(植物大战僵尸版RNG)
  • 2024-11-06植物大战僵尸版RNG热血电竞,品味人生An妮游戏说为您播报,期待您的关注!1月10日,S10赛季已经正式上线!在新赛季开启后,LPL春季赛也随之到来在1月13日下午5点,春季赛常规赛正式开战经过5天紧张激烈的比赛后,iG。
  • 伟大的抗震救灾精神培育和弘扬(奋斗百年路启航新征程)
  • 2024-11-06奋斗百年路启航新征程新华社北京9月13日电题:一方有难八方支援——抗震救灾精神述评新华社记者陈菲、谢佼、刘夏村2008年5月12日,8.0级汶川特大地震骤然发生,造成近10万同胞罹难或失踪……面对严重灾情,在中国共产党的。
  • 豌豆黄的做法大全图解(经典小吃豌豆黄的做法)
  • 2024-11-06经典小吃豌豆黄的做法大家好我是厨房里的面点师,也是一名游走于厨房十年的面点师,前几天面点师在整理配方的时候,突然发现以前学习过的宫廷御点豌豆黄的配方说起这个配方,那是几年前,我所在的酒店,从北京酒店下派一个人,过来学习交。
  • 怎样既能瘦腿又能改善腿型(你的瘦腿方法正确吗)
  • 2024-11-06你的瘦腿方法正确吗瘦死君这样说最动听的三个字不是我爱你,而是你瘦了!每天介绍各种如何轻松减肥瘦身的技巧!想变美女的MM一定不要错过喔!修长的腿是每个女孩的梦寐以求的愿望,但是生活中总是会让人不如意,有的人的腿上的肌肉怎。
  • 年龄大了需适当忌口这3种食品(年龄越大越要管住嘴)
  • 2024-11-06年龄越大越要管住嘴44周岁以下的是青年人,45至59岁为中年人,60至89岁为老年人,而90岁以上的就可以称为长寿老人了不同年龄段的人对生活也会有不同的看法,不同的计划年轻的时候都觉得五湖四海任我闯,不管做什么都是热血。
  • 水字旁最吉利的字(寓意深厚不俗气)
  • 2024-11-06寓意深厚不俗气“澜”字五行属水,带有“氵”字旁读作lán,本意为波浪大波为澜,引申为出众、广阔之义,寓意为心胸开阔、温柔如水,彰显了女孩独特的气质“安”代表着平安顺利;“澜”与安搭配,不仅展现女孩子的柔美,还寓意着。
  • 从出行道路看改革开放40年变化(出行方式有哪些变化)
  • 2024-11-06出行方式有哪些变化曾经,日常出行只有靠“双脚丈量”,那时候人们的活动半径,大约不超过5公里;曾经,出远门几乎只有乘火车这一种方式,在铿铿锵锵的声响和走走停停的等待中,慢慢奔向远方;曾经,“三转”之一的自行车还是奢侈品,。
  • 让我印象深刻的一部电影 给我伤害最大的一部电影
  • 2024-11-06让我印象深刻的一部电影 给我伤害最大的一部电影“等着看好戏吧!”本文授权转载自不散大家或许还记得前几年的中国电影市场,刮起了一阵跨界导演的旋风吧,那些不论当红与否的演员以及所谓的畅销书作家纷纷拿起了导筒,向着电影最核心的部分进军当然啦,作为一个畸。
  • 上饶百强城市排名(上饶稳居三线城市行列)
  • 2024-11-06上饶稳居三线城市行列5月29日,第一财经·新一线城市研究所发布了《2020城市商业魅力排行榜》,连续第五年按商业资源集聚度、城市枢纽性、城市人活跃度、生活方式多样性和未来可塑性五大维度为中国内地337个地级及以上城市的商。
  • 快本群体游戏(朋友聚会时玩什么)
  • 2024-11-06朋友聚会时玩什么在2020这样的全媒体时代,娱乐性综艺节目层出不穷,各家卫视使出浑身解数,策划各式各样的节目形式,只为吸引大众流量,博得全民一笑在综艺节目一览表中,湖南卫视的“快乐大本营”是每每被大家提及的娱乐节目之。