零基础学习Python--粒子群算法PSO函数寻优-5

Halcom

零基础学习Python--粒子群算法PSO函数寻优-5
链接：https://pan.baidu.com/s/1EuV2HkC_5oR7G6G-S1bXeA 提取码：cwmo
链接：https://pan.baidu.com/s/1yECy3SICh_8a1QZzmtu5ww 提取码：n4ip

精简一下代码：

1. # -*- coding: utf-8 -*-
   
2. """
   
3. Created on Thu Aug 22 23:02:07 2019
   
4. 
   
5. @author: ysw
   
6. """
   
7. 
   
8. from PIL import Image
   
9. from pylab import *
   
10. import matplotlib.pyplot as plt  
    
11. import numpy as np
    
12. from random import *
    
13. import sys
    
14. #import fun
    
15. sys.path.append(r'C:\Users\ysw\Desktop\Python(x,y)2.7.10\PSO')
    
16. 
    
17. def funfitness(x1,x2):
    
18.     y = (x1-0.5)**2+(x2-0.6)**2;
    
19.     return y;
    
20. 
    
21. # 采用 np.argmax替代
    
22. #    def minIndex(fitness, fitnesszbest):
    
23. #        for i in range(len(fitness)):
    
24. #            if(fitness[i] == fitnesszbest):
    
25. #                break;
    
26. #        return i;
    
27. 
    
28. if __name__=="__main__":
    
29.     c1 = 1.49445;
    
30.     c2 = 1.49445;
    
31.     maxg=200;  
    
32.     sizepop=20;
    
33.     Vmax=1;
    
34.     Vmin=-1;
    
35.     popmax=5;
    
36.     popmin=-5;
    
37.     nVar = 2;
    
38.     #print random.random()
    
39.     # PSO algorithm parameters
    
40.     pop = [[0 for x in range(nVar)] for y in range(sizepop)]
    
41.     gbest = [[0 for x in range(nVar)] for y in range(sizepop)]
    
42.     fitness = [0 for x in range(sizepop)]
    
43.     fitnessgbest = [0 for x in range(sizepop)]
    
44.     zbest = [0 for x in range(nVar)]
    
45.     V = [[0 for x in range(nVar)] for y in range(sizepop)]
    
46.    
    
47.     # init pop
    
48.     for i in range(sizepop):
    
49. #        pop[i][0] = popmin + (popmax-popmin)*random();
    
50. #        pop[i][1] = popmin + (popmax-popmin)*random();
    
51.         pop[i] = popmin + (popmax-popmin)*np.random.random(nVar);
    
52.         fitness[i] = funfitness(pop[i][0],pop[i][1]);
    
53. #        gbest[i][0] = pop[i][0]
    
54. #        gbest[i][1] = pop[i][1]
    
55.         gbest[i] = pop[i]
    
56.         fitnessgbest[i] = fitness[i]
    
57.         print(fitness[i])
    
58.     fitnesszbest = min(fitness);
    
59. #    index = fun.minIndex(fitness, fitnesszbest);
    
60.     index = np.argmin( fitness )
    
61. #    zbest[0] = pop[index][0]
    
62. #    zbest[1] = pop[index][1]
    
63.     zbest = pop[index]
    
64.     print(zbest)
    
65.     #plot(range(sizepop), fitness,'r*-')
    
66.     #plot( fitness,'r*-')
    
67.     #show()
    
68.    
    
69.     fitness_iter = [0 for x in range(maxg)]
    
70.     # main loop
    
71.     for i in range(maxg):
    
72.         for j in range(sizepop):
    
73.             # update vel
    
74.             r1 = random();
    
75.             r2 = random();
    
76. #            V[j][0] = V[j][0] + c1*r1*(gbest[j][0]-pop[j][0])+c2*r2*(zbest[0]-pop[j][0]);
    
77. #            V[j][1] = V[j][1] + c1*r1*(gbest[j][1]-pop[j][1])+c2*r2*(zbest[1]-pop[j][1]);
    
78.             V[j] = V[j] + c1*r1*(gbest[j]-pop[j])+c2*r2*(zbest-pop[j]);
    
79.             if (V[j][0]>Vmax):
    
80.                 V[j][0] = Vmax;
    
81.             elif (V[j][0]<Vmin):
    
82.                 V[j][0] = Vmin;
    
83.             if (V[j][1]>Vmax):
    
84.                 V[j][1] = Vmax;
    
85.             elif (V[j][1]<Vmin):
    
86.                 V[j][1] = Vmin;
    
87.             # update position
    
88. #            pop[j][0] = pop[j][0] + 0.5*V[j][0];
    
89. #            pop[j][1] = pop[j][1] + 0.5*V[j][1];
    
90.             pop[j] = pop[j] + 0.5*V[j]
    
91.             
    
92.             if (pop[j][0]>popmax):
    
93.                 pop[j][0] = popmax;
    
94.             elif (pop[j][0]<popmin):
    
95.                 pop[j][0] = popmin;
    
96.             if (pop[j][1]>popmax):
    
97.                 pop[j][1] = popmax;
    
98.             elif (pop[j][1]<popmin):
    
99.                 pop[j][1] = popmin;
    
100.             
     
101.             fitness[j] = funfitness(pop[j][0],pop[j][1]);
     
102.             if (fitness[j]<fitnessgbest[j]):
     
103.                 fitnessgbest[j] = fitness[j]
     
104. #                gbest[j][0] = pop[j][0];
     
105. #                gbest[j][1] = pop[j][1];
     
106.                 gbest[j] = pop[j];
     
107.             if (fitness[j]<fitnesszbest):
     
108.                 fitnesszbest= fitness[j];
     
109. #                zbest[0] = pop[j][0];
     
110. #                zbest[1] = pop[j][1];
     
111.                 zbest = pop[j];
     
112.         fitness_iter[i] = fitnesszbest;
     
113.    
     
114.     print("最优解:")
     
115.     print(zbest)
     
116.     plot( fitness_iter,'b-' )
     
117.     plt.show()

复制代码

Halcom

简介瘦身代码：

1. # -*- coding: utf-8 -*-
   
2. """
   
3. Created on Thu Aug 22 23:02:07 2019
   
4. 
   
5. @author: ysw
   
6. """
   
7. 
   
8. from PIL import Image
   
9. from pylab import *
   
10. import matplotlib.pyplot as plt  
    
11. import numpy as np
    
12. from random import *
    
13. import sys
    
14. 
    
15. sys.path.append(r'C:\Users\ysw\Desktop\Python(x,y)2.7.10\PSO')
    
16. 
    
17. def funfitness(x1,x2):
    
18.     y = (x1-0.5)**2+(x2-0.6)**2;
    
19.     return y;
    
20. 
    
21. if __name__=="__main__":
    
22.     c1 = 1.49445;
    
23.     c2 = 1.49445;
    
24.     maxg=200;  
    
25.     sizepop=20;
    
26.     Vmax=1;
    
27.     Vmin=-1;
    
28.     popmax=5;
    
29.     popmin=-5;
    
30.     nVar = 2;
    
31.     #print random.random()
    
32.     # PSO algorithm parameters
    
33.     pop = [[0 for x in range(nVar)] for y in range(sizepop)]
    
34.     gbest = [[0 for x in range(nVar)] for y in range(sizepop)]
    
35.     fitness = [0 for x in range(sizepop)]
    
36.     fitnessgbest = [0 for x in range(sizepop)]
    
37.     zbest = [0 for x in range(nVar)]
    
38.     V = [[0 for x in range(nVar)] for y in range(sizepop)]
    
39.    
    
40.     # init pop
    
41.     for i in range(sizepop):
    
42.         pop[i] = popmin + (popmax-popmin)*np.random.random(nVar);
    
43.         fitness[i] = funfitness(pop[i][0],pop[i][1]);
    
44.         gbest[i] = pop[i]
    
45.         fitnessgbest[i] = fitness[i]
    
46.     fitnesszbest = min(fitness);
    
47.     index = np.argmin( fitness )
    
48.     zbest = pop[index]
    
49. 
    
50. 
    
51.     fitness_iter = [0 for x in range(maxg)]
    
52.     # main loop
    
53.     for i in range(maxg):
    
54.         for j in range(sizepop):
    
55.             # update vel
    
56.             r1 = random();
    
57.             r2 = random();
    
58.             V[j] = V[j] + c1*r1*(gbest[j]-pop[j])+c2*r2*(zbest-pop[j]);
    
59.             if (V[j][0]>Vmax):
    
60.                 V[j][0] = Vmax;
    
61.             elif (V[j][0]<Vmin):
    
62.                 V[j][0] = Vmin;
    
63.             if (V[j][1]>Vmax):
    
64.                 V[j][1] = Vmax;
    
65.             elif (V[j][1]<Vmin):
    
66.                 V[j][1] = Vmin;
    
67.             # update position
    
68.             pop[j] = pop[j] + 0.5*V[j]
    
69.             
    
70.             if (pop[j][0]>popmax):
    
71.                 pop[j][0] = popmax;
    
72.             elif (pop[j][0]<popmin):
    
73.                 pop[j][0] = popmin;
    
74.             if (pop[j][1]>popmax):
    
75.                 pop[j][1] = popmax;
    
76.             elif (pop[j][1]<popmin):
    
77.                 pop[j][1] = popmin;
    
78.             
    
79.             fitness[j] = funfitness(pop[j][0],pop[j][1]);
    
80.             if (fitness[j]<fitnessgbest[j]):
    
81.                 fitnessgbest[j] = fitness[j]
    
82.                 gbest[j] = pop[j];
    
83.             if (fitness[j]<fitnesszbest):
    
84.                 fitnesszbest= fitness[j];
    
85.                 zbest = pop[j];
    
86.         fitness_iter[i] = fitnesszbest;
    
87.    
    
88.     print("最优解:")
    
89.     print(zbest)
    
90.     plot( fitness_iter,'b-' )
    
91.     plt.show()
    

复制代码

therookie

很好 的资源 谢谢楼主