PSO算法里不等式约束怎么编程啊？ x1+x2

我来说一种可行但不唯一的方案：

创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：做网站、成都做网站、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的龙泉网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

PSO求适应度函数F=f(x1,x2,...,xn)的最小值，如果你想添加比如x1+x22这样的不等式，就可以在计算完适应度函数F后，判断变量是否满足你所要求的约束不等式，如果不满足，则可以给适应度函数值加入一个惩罚因子，比如原先函数值是21.5，加入惩罚因子inf（无穷大），就使得适应度函数值变成了无穷大，这就达到了约束的效果；而如果满足约束不等式，就不加入惩罚因子。

就是这样子，不懂追问。

粒子群优化算法（PSO)的matlab运行程序~~谢谢大家啦！

%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 rand0.8

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');

PSO算法解决带约束条件的优化问题

解决方案1：

..m

.;unitcircle.....;.......;.....\....\.....\.m

............\..;.;.\.\......\psoplotswarm......m

....m

;ackleysfcn........m

...;psoiterate..;.........psopt20100414\..;......;.........m

;void...m

..\....m

.m

..;initstate.\.\...\..;.........\.;...;..dropwavefcn.......m

.\...\............\....\.m

.\.m

...\....\....\..........m

;.;...;rosenbrocksfcn..;griewangksfcn......\.\..m

...\.....;testfcns

.................\...\......\.;templatefcn.\....\...;......;..m

;.m

...\...;.\.............;....;license;......;...;rastriginsfcn.......;pso.....;..;psogenerateoutputmessage............\.;testfcn1......\unitdisk.m

....\.;psocheckbounds...\...m

.....;...\.\...;......\..\.;..;.....\........\..\...m

.\....\.;psocheckinitialpopulation..\...\.;overlaysurface..\psorunhybridfcn.;..;psooptimset..;heart.....;psoplotswarmsurf..;psopt\............;.....\....\.\releasenotes.........\..\.....m

.m

..\..........\.\..;...\....\....\.;..\..\psocheckpopulationinitrange......\...........\..\...\...........\.............;.m

............;private\.\......\...\...;.\.....;...\....;testfcns\;......;quadrifolium.\.m

..;......;langermannsfcn;.\..............;..m

.....\........;overlaycontour..\..\..........\..\...\..........\......;psoplotscorediversity...;nonlinearconstrdemo.\.m

.;.....;...;psocreationuniform...\........;..m

......m

.....;............;private

........\.;..\...........;psodemo.........m

..........\..;.....;....;..\.dejongsfcn.............\....\.\......\....\..............\.......m

.psoplotbestf..;......m

...;schwefelsfcn;..\.;..........\.\.......\....\.....;......m

........\....;....m

..........txt

..txt

.m

跪求 pso算法在图像分割中的应用源代码（MATLAB仿真）

%标准PSO算法源代码（matlab）

%标准粒群优化算法程序

% 2007.1.9 By jxy

%测试函数：f(x,y)=100(x^2-y)^2+(1-x)^2, -2.048x,y2.048

%求解函数最小值

global popsize; %种群规模

%global popnum; %种群数量

global pop; %种群

%global c0; %速度惯性系数,为0—1的随机数

global c1; %个体最优导向系数

global c2; %全局最优导向系数

global gbest_x; %全局最优解x轴坐标

global gbest_y; %全局最优解y轴坐标

global best_fitness; %最优解

global best_in_history; %最优解变化轨迹

global x_min; %x的下限

global x_max; %x的上限

global y_min; %y的下限

global y_max; %y的上限

global gen; %迭代次数

global exetime; %当前迭代次数

global max_velocity; %最大速度

initial; %初始化

for exetime=1:gen

outputdata; %实时输出结果

adapting; %计算适应值

errorcompute(); %计算当前种群适值标准差

updatepop; %更新粒子位置

pause(0.01);

end

clear i;

clear exetime;

clear x_max;

clear x_min;

clear y_min;

clear y_max;

%程序初始化

gen=100; %设置进化代数

popsize=30; %设置种群规模大小

best_in_history(gen)=inf; %初始化全局历史最优解

best_in_history(gen)=inf; %初始化全局历史最优解

max_velocity=0.3; %最大速度限制

best_fitness=inf;

%popnum=1; %设置种群数量

pop(popsize,8)=0; %初始化种群,创建popsize行5列的0矩阵

%种群数组第1列为x轴坐标，第2列为y轴坐标，第3列为x轴速度分量，第4列为y轴速度分量

%第5列为个体最优位置的x轴坐标，第6列为个体最优位置的y轴坐标

%第7列为个体最优适值，第8列为当前个体适应值

for i=1:popsize

pop(i,1)=4*rand()-2; %初始化种群中的粒子位置，值为-2—2，步长为其速度

pop(i,2)=4*rand()-2; %初始化种群中的粒子位置，值为-2—2，步长为其速度

pop(i,5)=pop(i,1); %初始状态下个体最优值等于初始位置

pop(i,6)=pop(i,2); %初始状态下个体最优值等于初始位置

pop(i,3)=rand()*0.02-0.01; %初始化种群微粒速度，值为-0.01—0.01，间隔为0.0001

pop(i,4)=rand()*0.02-0.01; %初始化种群微粒速度，值为-0.01—0.01，间隔为0.0001

pop(i,7)=inf;

pop(i,8)=inf;

end

c1=2;

c2=2;

x_min=-2;

y_min=-2;

x_max=2;

y_max=2;

gbest_x=pop(1,1); %全局最优初始值为种群第一个粒子的位置

gbest_y=pop(1,2);

%适值计算

% 测试函数为f(x,y)=100(x^2-y)^2+(1-x)^2, -2.048x,y2.048

%计算适应值并赋值

for i=1:popsize

pop(i,8)=100*(pop(i,1)^2-pop(i,2))^2+(1-pop(i,1))^2;

if pop(i,7)pop(i,8) %若当前适应值优于个体最优值，则进行个体最优信息的更新

pop(i,7)=pop(i,8); %适值更新

pop(i,5:6)=pop(i,1:2); %位置坐标更新

end

end

%计算完适应值后寻找当前全局最优位置并记录其坐标

if best_fitnessmin(pop(:,7))

best_fitness=min(pop(:,7)); %全局最优值

gbest_x=pop(find(pop(:,7)==min(pop(:,7))),1); %全局最优粒子的位置

gbest_y=pop(find(pop(:,7)==min(pop(:,7))),2);

end

best_in_history(exetime)=best_fitness; %记录当前全局最优

%实时输出结果

%输出当前种群中粒子位置

subplot(1,2,1);

for i=1:popsize

plot(pop(i,1),pop(i,2),'b*');

hold on;

end

plot(gbest_x,gbest_y,'r.','markersize',20);axis([-2,2,-2,2]);

hold off;

subplot(1,2,2);

axis([0,gen,-0.00005,0.00005]);

if exetime-10

line([exetime-1,exetime],[best_in_history(exetime-1),best_fitness]);hold on;

end

%粒子群速度与位置更新

%更新粒子速度

for i=1:popsize

pop(i,3)=rand()*pop(i,3)+c1*rand()*(pop(i,5)-pop(i,1))+c2*rand()*(gbest_x-pop(i,1)); %更新速度

pop(i,4)=rand()*pop(i,4)+c1*rand()*(pop(i,6)-pop(i,2))+c2*rand()*(gbest_x-pop(i,2));

if abs(pop(i,3))max_velocity

if pop(i,3)0

pop(i,3)=max_velocity;

else

pop(i,3)=-max_velocity;

end

end

if abs(pop(i,4))max_velocity

if pop(i,4)0

pop(i,4)=max_velocity;

else

pop(i,4)=-max_velocity;

end

end

end

%更新粒子位置

for i=1:popsize

pop(i,1)=pop(i,1)+pop(i,3);

pop(i,2)=pop(i,2)+pop(i,4);

本文标题：pso算法java代码 psoga算法
文章来源：http://ybzwz.com/article/ddigogj.html