粒子群与遗传混合算法优化

比较分析了遗传算法与粒子群算法的个体、特征以及相关操作的异同，互相取长补短，构造了基于实数编码遗传算法与粒子群算法的混合算法。

function y = AdaptFunc（x）
%  Dim=size（x2）;
%  [NindNvar] = size（x）;
%  Mat1 = x（:1:Nvar-1）;
%  Mat2 = x（:2:Nvar）; 
% y=4*Mat1.^2-2.1*Mat1.^4+（1/3）*Mat1.^6+Mat1.*Mat2-4*Mat2.^2+4*Mat2.^4;
%   Dim=size（x2）;
%  [NindNvar] = size（x）;
%   Mat1 = x（:1:Nvar-1）;
%   Mat2 = x（:2:Nvar）; 
%    y=-cos（Mat1）.*cos（Mat2）.*exp（-（Mat1-pi）.^2-（Mat2-pi）.^2）;

% %Griewank
% y = zeros（size（x1）1）;%产生一个列向量，（种群数）*1预留解空间
% [xSize Dim] = size（x）;%xSize:种群数； Dim:变量x的维数
% indices = repmat（1:Dim xSize 1）;%生成函数中i的空间矩阵（种群数）*（变量维数）
% y = sum（（（x.^2） / 4000）‘）‘ - prod（cos（x ./ sqrt（indices））‘）‘ + 1;%函数表达式

%ackley
%       Dim=size（x2）;
%      [NindNvar] = size（x）;
%       A = 1/Dim;
%       Omega = 2 * pi;
%       sum1=A.*sum（（x .* x）‘）‘;
%       sum2=A.*sum（（cos（Omega * x））‘）‘;
%      y = -20*exp（-0.2*sqrt（sum1））-exp（sum2）+20+exp（1）;
      
      
% %schwefel       
%     Dim=size（x2）;
%    [NindNvar] = size（x）;
% %       function 7 sum of -xi*sin（sqrt（abs（xi））） for i = 1:Dim （Dim=10）
% %       n = Dim -500 <= xi <= 500
% %       global minimum at （xi）=（420.9687） ; fmin=?
%       y = sum（（-x .* sin（sqrt（abs（x））））‘）‘;

% %Sphere
%  S=x.*x;
%  y=sum（S‘）;

% rosenbrock
%     Dim=size（x2）;
% % Compute population parameters
%    [NindNvar] = size（x）;
      % function 11 sum of 100* （x（i+1） -xi^2）^2+（1-xi）^2 for i = 1:Dim （Dim=10）
      % n = Dim -10 <= xi <= 10
      % global minimum at （xi）=（1） ; fmin=0
%       Mat1 = x（:1:Nvar-1）;
%       Mat2 = x（:2:Nvar）;   
%       if Dim == 2
%         y = 100*（Mat2-Mat1.^2）.^2+（1-Mat1）.^2;
%       else
%       y = sum（（100*（Mat2-Mat1.^2）.^2+（1-Mat1）.^2）‘）‘;
    
%     % rastrigin
    % Dimension of objective function
%     Dim=size（x2）;  
% % Compute population parameters
%    [NindNvar] = size（x）;
%  % function 6 Dim*A + sum of （xi^2 - A*cos（Omega*xi）） for i = 1:Dim （Dim=20）
%       % n = Dim -5.12 <= xi <= 5.12
%       % global minimum at （xi）=（0） ; fmin=0
%       A = 10;
%       Omega = 2 * pi;
%       y = Dim * A + sum（（（x .* x） - A * cos（Omega * x））‘）‘;

%%MICHALEWICZ2
% y = zeros（size（x1）1）;%产生一个列向量，（种群数）*1预留解空间
%  [xSize Dim] = size（x）;%xSize:种群数； Dim:变量x的维数
%  indices = repmat（1:Dim xSize 1）;%生成函数中i的空间矩阵（种群数）*（变量维数
% 
%       y = sum（（-sin（x） .* sin（（indices.*x.^2）/pi）.^20）‘）‘;
end

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

     文件       2431  2019-03-15 16:52  HYPSO\AdaptFunc.m

     文件        182  2019-03-08 15:54  HYPSO\calculateFitness.m

     文件         74  2019-03-04 21:21  HYPSO\fitness.m

     文件        162  2019-02-27 11:14  HYPSO\fun.m

     文件       1175  2019-03-11 10:32  HYPSO\PSO.m

     文件       3017  2019-03-06 20:47  HYPSO\pso1.m

     文件       2838  2019-03-10 20:05  HYPSO\PSOnature.m

     文件       1753  2019-03-11 09:51  HYPSO\PSO_adaptation.m

     文件       2423  2019-03-11 09:32  HYPSO\PSO_breed.m

     文件       1873  2019-03-06 19:52  HYPSO\PSO_lamda.m

     文件       1570  2019-03-06 19:11  HYPSO\PSO_lin.m

     文件       2828  2019-03-11 11:17  HYPSO\PSO_nature.m

     文件       9043  2019-03-15 10:58  HYPSO\runABC.m

     文件       3181  2019-03-15 16:51  HYPSO\SOS1.m

     文件       4262  2019-03-15 16:50  HYPSO\SOS_PA.m

     文件        559  2019-03-15 16:52  HYPSO\Un1.m

     目录          0  2019-03-15 22:02  HYPSO

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

                37371                    17