粒子群 模拟退火 蚁群算法MATLAB实现

粒子群 模拟退火 蚁群算法MATLAB实现，采用了TSP数据进行实验。

clc;clear;close all; %% 初始化种群 
f= @（x）x .* sin（x） .* cos（2 * x） - 2 * x .* sin（3 * x）; % 函数表达式 
figure（1）;
ezplot（f[00.0120]）;
N = 50; % 初始种群个数 
d = 1; % 空间维数 
ger = 100; % 最大迭代次数 
limit = [0 20]; % 设置位置参数限制 
vlimit = [-1 1]; % 设置速度限制 
w = 0.8; % 惯性权重 
c1 = 0.5; % 自我学习因子 
c2 = 0.5; % 群体学习因子 
for i = 1:d 
    x = limit（i 1） + （limit（i 2） - limit（i 1）） * rand（N d）;%初始种群的位置 
end
v = rand（N d）; % 初始种群的速度
xm = x; % 每个个体的历史最佳位置 
ym = zeros（1 d）; % 种群的历史最佳位置 
fxm = zeros（N 1）; % 每个个体的历史最佳适应度 
fym = -inf; % 种群历史最佳适应度 
hold on 
plot（xm f（xm） ‘ro‘）;
title（‘初始状态图‘）; 
figure（2） %% 群体更新 
iter = 1; 
record = zeros（ger 1）; % 记录器 
while iter <= ger
    fx = f（x） ; % 个体当前适应度 
    for i = 1:N
        if fxm（i） < fx（i） 
            fxm（i） = fx（i）; % 更新个体历史最佳适应度 
            xm（i:） = x（i:）; % 更新个体历史最佳位置 
        end
    end
    if fym < max（fxm） 
        [fym nmax] = max（fxm）; % 更新群体历史最佳适应度 
        ym = xm（nmax :）; % 更新群体历史最佳位置 
    end
    v = v * w + c1 * rand * （xm - x） + c2 * rand * （repmat（ym N 1） - x）;% 速度更新 
    % 边界速度处理 
    v（v > vlimit（2）） = vlimit（2）; 
    v（v < vlimit（1）） = vlimit（1）; x = x + v;% 位置更新 
    % 边界位置处理 
    x（x > limit（2）） = limit（2）; 
    x（x < limit（1）） = limit（1）; 
    record（iter） = fym;%最大值记录 
    % x0 = 0 : 0.01 : 20; 
    % plot（x0 f（x0） ‘b-‘ x f（x） ‘ro‘）;title（‘状态位置变化‘） 
    % pause（0.1） 
    iter = iter+1; 
end
figure（3）;
plot（record）;
title（‘收敛过程‘） 
x0 = 0 : 0.01 : 20; 
figure（4）;
plot（x0 f（x0） ‘b-‘ x f（x） ‘ro‘）;
title（‘最终状态位置‘） 
disp（[‘最大值：‘num2str（fym）]）; 
disp（[‘变量取值：‘num2str（ym）]）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1842  2018-11-27 19:59  suanfa\liziqun.m

     文件       2549  2018-11-27 20:06  suanfa\liziqun2.m

     文件       4141  2018-11-27 18:44  suanfa\tuihuo.m

     文件       6412  2018-11-27 18:52  suanfa\yiqun.m

     目录          0  2018-11-27 20:06  suanfa

----------- ---------  ---------- -----  ----

                14944                    5