GA改进粒子群优化算法

%% GA 优化 PSO
%% 清空环境
clc;
clear
close all
%% 参数初始化
lenchrom=2;    %字符串长度（个体长度），染色体编码长度
pc=0.7;        %设置交叉概率，本例中交叉概率是定值，若想设置变化的交叉概率可用表达式表示，或从写一个交叉概率函数，例如用神经网络训练得到的值作为交叉概率
pm=0.3;        %设置变异概率，同理也可设置为变化的

%粒子群算法中的两个参数
c1 = 1.49445;
c2 = 1.49445;

maxgen=10;   % 进化次数  
popsize=10; %种群规模

%粒子更新速度
Vmax=1;
Vmin=-1;

%种群
popKmax=20;
  popKmin=2;
  popamax=10000;
  popamin=100;

% 变量取值范围
bound=[popKmin popKmax;popamin popamax];  %变量范围

% 优化粒子数目
par_num=2;

%% 产生初始粒子和速度
for i=1:popsize
    %随机产生一个种群
   pop（i1） = （popKmax-popKmin）*rand+popKmin;  
    pop（i2） = （popamax-popamin）*rand+popamin;
    V（i1）=Vcmax*rands（11）;  
    V（i2）=Vgmax*rands（11）;
    %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