pso算法改進(jìn)含MATLAB代碼

ID:489427 · 發(fā)表于 2019-3-12 19:06

以前寫的改進(jìn)pso算法，附件包含源代碼

MATLAB源程序如下:

%% No-dealing LOO RBF
% 程序運行完以后，觀察一下數(shù)據(jù)
%QPSO輸出
% Validation_err(curCount,Swarmsize) %每一代每一個粒子的驗證數(shù)據(jù)錯誤率
% Test_err(curCount,Swarmsize) %每一代每一個粒子的測試數(shù)據(jù)錯誤率（有可能比驗證集�。�
% Position{curCount,Swarmsize} %每一代每一個粒子的位置，即所尋找的參數(shù)
% BestFitness(curCount,:)=gbest; %每一代得到的驗證集全局最小誤差，即適應(yīng)度函數(shù)的迭代指標(biāo)，越小越好
% BestPosition(curCount,:)=Pg; %每一代得到的對應(yīng)驗證集全局最小誤差的最優(yōu)參數(shù)
% BestFitness2(curCount,:)=gbest2; %每一代得到的驗證集取得全局最小誤差所對應(yīng)的最優(yōu)參數(shù)取得的測試集誤差（不一定最�。�
% Bestlabel1(curCount,:)=z1_best; %每一代得到的驗證集全局最小誤差的預(yù)測標(biāo)簽
% Bestlabel2(curCount,:)=z2_best; %每一代得到的驗證集取得全局最小誤差所對應(yīng)的最優(yōu)參數(shù)取得的測試集誤差的預(yù)測標(biāo)簽
% best_position=Pg; %迭代完成以后驗證集取得最小誤差所對應(yīng)的最優(yōu)參數(shù)值
% best_accuracy=1-gbest; %迭代完成以后驗證集取得是識別率最大值
% best_accuracy2=1-gbest2; %迭代完成以后驗證集取得最大識別率對應(yīng)的最優(yōu)參數(shù)取得的測試集識別率
% best_validation_lable=z1_best; %迭代完成以后驗證集取得最大識別率的預(yù)測標(biāo)簽
% best_test_lable=z2_best; %迭代完成以后驗證集取得最大識別率對應(yīng)的最優(yōu)參數(shù)取得的測試集識別率的預(yù)測標(biāo)簽
%用最優(yōu)參數(shù)模型對驗證集和測試機(jī)進(jìn)行識別輸出
% V_label %QPSO輸出最優(yōu)參數(shù)對應(yīng)的驗證集最大識別率的預(yù)測標(biāo)簽和驗證集原始標(biāo)簽，第二列等于best_validation_lable=z1_best
% T_label %QPSO輸出最優(yōu)參數(shù)對應(yīng)的測試集識別率的預(yù)測標(biāo)簽和測試集原始標(biāo)簽，第二列等于best_test_lable=z2_best
% accuracy %QPSO輸出最優(yōu)參數(shù)對應(yīng)的驗證集識別率等于best_accuracy=1-gbest
% accuracy2 %QPSO輸出最優(yōu)參數(shù)對應(yīng)的測試集識別率等于best_accuracy2=1-gbest2
%% 載入數(shù)據(jù)
clear
global X
X=[];
load wound_data_max
% %% 歸一化
% X1=mapminmax(wound_data_max',0,1); %要進(jìn)行一次轉(zhuǎn)置，這樣的歸一化是對列（也就是每個傳感器響應(yīng)曲線）的歸一化，也有的是對每一次采樣得到的數(shù)據(jù)進(jìn)行歸一化。
% X1=X1';
X=wound_data_max;
%%
Swarmsize=20; %種群規(guī)模
particlesize=2; %待優(yōu)化的參數(shù)個數(shù)
LoopCount=200; %迭代次數(shù)
W=rand(Swarmsize,particlesize);
tic %計時開始
for i=1:Swarmsize
lbest(i)=inf;
end % the values of local fitness
gbest=inf; % the valuse of global fitness
Pl=W; % storgae W value to P, the best local eight values
Pg=W(1,:); % the best adaptation weight values (mininum mean square error)
%% The starting of Particle Swarm Optimization Algorithm
for curCount=1:LoopCount
%calculate the adapting value
for i=1:Swarmsize
[err,y,z]= fit_sqpso_m_rbf_LOO_2(W(i,:)); %對應(yīng)的要優(yōu)化的函數(shù)的名稱，本論文中對應(yīng)的就是fit_sqpso_fda_m_svm，fit_sqpso_kfda_m_svm等六個函數(shù)。
%err是錯誤率
%a是矩陣，包含兩列第一列是給出的標(biāo)簽類別信息，第二列是分類器預(yù)測出的標(biāo)簽類別信息
Validation_err(curCount,i)=err; %每一次迭代每一個粒子的留一法錯誤率
Position{curCount,i}=W(i,:); %每一次迭代每一個粒子的位置，即所尋找的參數(shù)
J(i)=err; %驗證集錯誤率
zz1(i,:)=y; %第i個粒子時80個樣本的實際標(biāo)簽
zz2(i,:)=z; %第i個粒子時80個樣本的預(yù)測標(biāo)簽
if lbest(i)>J(i)
lbest(i)=J(i); %每個粒子到目前為止的最優(yōu)值
Pl(i,:)=W(i,:); %Updated local optimal
end
end
% Search global optimal weight
[fitness, index]=sort(J); % arrange in order of size from mininum to maxinum
if gbest>fitness(1)
gbest=fitness(1); %到目前為止的全局最優(yōu)值
Pg=W(index(1),:); %到目前為止的取得全局最優(yōu)值的最優(yōu)參數(shù)
z1_best=zz1(index(1),:); %到目前為止的全局最優(yōu)值對應(yīng)的80個樣本實際標(biāo)簽
z2_best=zz2(index(1),:); %到目前為止的全局最優(yōu)值對應(yīng)的80個樣本預(yù)測標(biāo)簽
end
BestFitness(curCount,:)=gbest; %每一次迭代得到的全局最小誤差，即每一代中適應(yīng)度函數(shù)值最小的一個
BestPosition(curCount,:)=Pg; %每一次迭代得到的對應(yīng)全局最小誤差的最優(yōu)參數(shù)
Bestlabel1(curCount,:)=z1_best; %每一次迭代得到的80個樣本實際標(biāo)簽
Bestlabel2(curCount,:)=z2_best; %每一次迭代得到的80個樣本預(yù)測標(biāo)簽
%save('gbest.txt','gbest','Pg','z1_best','z2_best','-ascii','-double')
% Expressions of updated location and speed
for i=1:particlesize
P=0;
for j=1:Swarmsize
P=P+Pl(j,i);
end
Mbest(i)=P/Swarmsize;
end
% Updated particle locations
beta=0.5+0.5*(LoopCount-curCount)/LoopCount;
for i=1:Swarmsize
for j=1:particlesize
fai1=rand;
fai2=rand;
% p=(fai1*Pl(i,j)+fai2*Pg(j))/(fai1+fai2);
p=fai1*Pl(i,j)+(1-fai2)*Pg(j);
u=rand;
if u>0.5
W(i,j)=p+beta*abs(Mbest(j)-W(i,j))*log(1/u);
else
W(i,j)=p-beta*abs(Mbest(j)-W(i,j))*log(1/u);
end
end
end
if curCount==LoopCount
best_position=Pg; %最優(yōu)參數(shù)值
best_accuracy=1-gbest; %全局最大值
best_actual_lable=z1_best;
best_test_lable=z2_best;
% disp('times of iteration is not enough');
end
end
%best_fitness=BestFitness(curCount); %適應(yīng)度函數(shù)最小取值
% plot( BestFitness,'o') %通過曲線顯示整個過程fitness函數(shù)的走勢
% load train;y1=[y;y;y];Fs=5000;wavplay(y1,Fs); %起到提醒的作用，表示程序已經(jīng)運行完畢
t=toc; %計時結(jié)束并且將時間值返回給t
save workspace_qpso_m_rbf_LOO(2)

復(fù)制代碼

所有資料51hei提供下載:

PSO.zip (25.99 KB, 下載次數(shù): 13)

帳號		自動登錄	找回密碼
密碼			立即注冊