matlab基本粒子群算法實現（一）

算法沒有和圖像處理直接相關，

不過對於圖像分類中的模式識別相關算法，

也許會用到這個優化算法。

不過不管有沒有用，

還是得一步一步學起來

算法步驟：

1.首先確定粒子個數與迭代次數。

2.對每個粒子隨機初始化位置與速度。

3.采用如下公式更新每個粒子的位置與速度。

Px=Px+Pv*t;　%位置更新公式　

Pv=Pv+(c1*rand*(Gx-Px))+(c2*rand*(PBx-Px)); %速度更新公式

 

main.m

[xm,fv]=PSO(@fitness,40,2,2,0.5,100,30)
for i=1:30
    s(i)=0.;
end
for i=1:30
    
    F=0;
    for j=1:30
        F=F+xm(i)^2+xm(i);
    end
    s(i)=F;
end
plot(xm,s,'*')
    

　

PSO.m

function [ xm,fv ] = PSO( fitness,N,c1,c2,w,M,D )
%PSO Summary of this function goes here
%   Detailed explanation goes here
format long;
for i=1:N
    for j=1:D
        x(i,j)=randn;
        v(i,j)=rand;
    end
end
for i=1:N
    p(i)=fitness(x(i,:));
    y(i,:)=x(i,:);
end
pg= x(N,:);
for i=1:(N-1)
    if fitness(x(i,:))<fitness(pg)
        pg=x(i,:);
    end
end
for t=1:M
    for i=1:N
        v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:));
        x(i,:)=x(i,:)+v(i,:);
        if fitness(x(i,:))<p(i)
            p(i)=fitness(x(i,:));
            y(i,:)=x(i,:);
        end
        if p(i)<fitness(pg)
            pg=y(i,:);
        end
    end
    Pbest(t)=fitness(pg);
end
xm = pg';
fv =fitness(pg);



end

這個就是優化的函數，

就是求它的最小值，

也可能是局部最小值，

反正大家自己感悟

fitness.m

function F = fitness( x )
%F Summary of this function goes here
%   Detailed explanation goes here
F=0;
for i=1:30
    F=F+x(i)^2+x(i);

end