三维粒子群算法的matlab实现 源代码带详细注释

 SR=1000;%搜索范围Searching range
 RNS=1;%群体规模与搜索范围之比The ratio of the number of particles to the searching range
 M=RNS*SR;%群体规模Members
 W=0.5;%惯性权重Inertia weight
 C1=5;%加速常数Accelerated constant
 C2=5;%加速常数Accelerated constant
 RVR=0.02;%最大速度与搜索范围之比The ratio of the maximum velocity to the searching range
 RCS=0.01;%收敛区间与搜索范围之比The ratio of the convergent interval to  the searching range
 CI=RCS*SR;%收敛区间Convergent interval 
 PT=0.0000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000001;%暂停时间Pause time
 RNPA=0.5;%正负半轴标度之比The ratio of the negative half axis to the positive half axis
 x=SR*rand（1M）;
 y=SR*rand（1M）;
 z=SR*rand（1M）;
 px=x;
 py=y;
 pz=z;%初始化个体历史最优解数据
 vx=RVR*SR*rand（1M）;
 vxmax=RVR*SR*（zeros（1M）+1）;
 vy=RVR*SR*rand（1M）;
 vymax=RVR*SR*（zeros（1M）+1）;
 vz=RVR*SR*rand（1M）;
 vzmax=RVR*SR*（zeros（1M）+1）;
 ox=SR*rand*（zeros（1M）+1）;
 oy=SR*rand*（zeros（1M）+1）;
 oz=SR*rand*（zeros（1M）+1）;%随机生成谷地位置 以上为初始化过程
 sx=abs（x-ox）;
 sy=abs（x-oy）;
 sz=abs（x-oz）;%评估每个微粒的适应度
 [rc]=find（sx==min（min（sx）））;
 gx=x（rc）*（zeros（1M）+1）;
 [rc]=find（sy==min（min（sy）））;
 gy=y（rc）*（zeros（1M）+1）;
 [rc]=find（sz==min（min（sz）））;
 gz=z（rc）*（zeros（1M）+1）;
while （max（max（sx））>CI）||（max（max（sy））>CI）||（max（max（sz））>CI）%确定结果收敛区间
      ox=0.1*SR*rand*（zeros（1M）+1）;
      oy=0.1*SR*rand*（zeros（1M）+1）;
      oz=0.1*SR*rand*（zeros（1M）+1）;
      plot3（oxoyoz‘r*‘）;
      title（‘三维粒子群算法收敛演示‘）;
      text（oxoyoz‘随机目标点‘）;
      xlabel（‘X‘）
      ylabel（‘Y‘）
      zlabel（‘Z‘）;
      axis（[-RNPA*SR SR -RNPA*SR SR -RNPA*SR SR]）;
      grid on;
      hold on;
      plot3（xyz‘b*‘）;
      hold off;
      pause（PT）;
      if max（max（sx））>CI
         vx=W*vx+C1*rand*（px-x）+C2*rand*（gx-x）;%根据算法方程给v一个改变量。因为区间长度较小，所以弱化微粒的自身惯性和自我认知能力，强化社会能力以尽快得到最优解
         while  max（max（vx））>RVR*SR||min（min（vx））<-RVR*SR
                if max（max（vx））>RVR*SR
                   [rc]=find（vx==max（max（vx