粒子群优化BPNN车位预测

%gbest PSO的matlab实现代码如下：
tic   %该函数表示计时开始
%要进行预测的实测数据
%初始格式化
clear all;
clc; 
%给定初始化条件
c1 = 1.4962;             %加速常数即学习因子1 
c2 = 1.4962;             %加速常数即学习因子2 
w = 0.7298;              %惯性权重
MaxDT = 1000;           %最大迭代次数
N = 96;                  %初始化群体个体数目 
eps = 10^（-7）;           %设置精度（在已知最小值时候用）
%初始化种群的个体（可以在这里限定位置和速度的范围）
for i = 1:N
    x（i） = 8 * randn;  %产生一个服从正态分布的随机数作为初始化位置
    v（i） = 8 * randn;  %产生一个服从正态分布的随机数作为初始化速度
end 
%先计算各个粒子的适应度，并初始化个体最优位置y和全局最优位置Pg 
for i=1:N
    p = sphere1（x）;  %计算适应度，测试函数为sphere
    y（i） = x（i）;    %初始化个体最优位置y为在时间步t=0时的粒子位置
end
Pg = x（1）;             %Pg为全局最优位置
for i=2:N
    if sphere1（x（i）） < sphere1（Pg）
        Pg = x（i）;%更新全局最优位置
    end
end
%进入主要循环，按照公式依次迭代，直到满足精度要求
for t=1:MaxDT
    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 sphere1（x（i）） < p
            p = sphere1（x（i））;%更新适应度
            y（i） = x（i）;%更新个体最佳位置
        end
        if p < sphere1（Pg）
             Pg = y（i）;%更新群体最佳位置
        end 
    end
     Pbest = sphere1（Pg）;%保存每一代的群体最佳位置
end
for i = 1:96
    y（i） = y（i） + 20;
    if y（i） < 0
        y（i） = 1;
    elseif y（i） > 50
        y（i） = 45;
    end
end
C = [40 24 16 22 10 11 2