基于粒子群算法改进的投影寻踪模型综合评价及Matlab实现代码，效果如何？

本文共计547个文字，预计阅读时间需要3分钟。

1+简介+利用投影寻踪法评价水质，利用粒子群优化算法求解最优化函数问题，计算速度快，精度高。实例计算表明，基于粒子群优化算法寻找最优投影方向，方法简单，计算效率较高，收敛速度较快。

1 简介

利用投影寻踪法来评价水质,利用粒子群优化算法来求解最优函数问题,计算速度快,精度高.实例计算表明,基于粒子群优化算法寻找最优投影方向,方法简单,计算效率较高,收敛速度快,解决了投影寻踪过程中最优化问题,是解决复杂水质综合评价的有效途径.

2 部分代码

%function [gBest]=PSO()%PSO主函数 pso_size=100;%群体规模c1=0.5;c2=0.5;%学习因子w_max=0.8;%最大权重w_min=0.4;%最小权重w=w_max;Pb=10000000;%适应度值 Pb1=10000000;Pb2=10000000;dimens=1;%待优化问题的维数 run_max=100;%迭代次数上限X=zeros(1,pso_size);V=zeros(1,pso_size);Xb=zeros(1,pso_size);Xb1=zeros(1,pso_size);Xb2=zeros(1,pso_size);Yb=zeros(1,pso_size);Yb1=zeros(1,pso_size);Yb2=zeros(1,pso_size);P=zeros(1,8000);PL=zeros(1,pso_size);Pp=0;Pp1=0;Pp2=0;dpBest=zeros(1,pso_size);dgBest=0;gBest=0;s1=zeros(1,run_max);s2=zeros(1,run_max);q=0;L=0.05;%!!!!!!精度t=1;% !!!!!!!!!!P(t)中t初值为1for i=1:pso_size%初始化粒子速度位置 X(i)=-5+12*rand; X1(i)=X(i); X2(i)=X(i); Xb(i)=X(i); Xb1(i)=X(i); Xb2(i)=X(i); V(i)=(-12+24*rand)/10;endfor i=1:pso_size Yb1(i)=f1(X(i));%计算f1中个体适应度值,步骤3 if Yb1(i)

3 仿真结果

​

编辑

4 参考文献

[1]李学法, 周迎红. 基于粒子群优化算法的投影寻踪水质评价模型[J]. 湖北农业科学, 2013, 052(019):4627-4628,4682.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

​

编辑