【改进粒子群优化算法】相量普氏群优化（PPSO）算法（matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

目录

​​💥1 概述​​

​​📚2 运行结果​​

​​🎉3 参考文献​​

​​🌈4 Matlab代码实现​​

💥1 概述

相量普氏群优化（PPSO）的灵感来自数学中的相量理论。

相量粒子群优化（PPSO）是PSO的一个新的主要样本，基于对相位角（θ）的粒子控制参数进行建模，灵感来自数学中的相量理论。该相位角 （θ） 将 PSO 算法转换为自适应、三角、平衡和非参数元启发式算法。PPSO的性能在实参数优化问题上进行了测试，包括单峰和多峰标准测试函数以及传统基准函数。

粒子群优化器是一种众所周知的基于高效总体和控制参数的算法，用于对不同问题进行全局优化。本文重点介绍了一种新的PSO主要样本，该样本名为相量粒子群优化（PPSO），其基础是受数学相量理论启发的相位角（θ）粒子控制参数建模。该相位角 （θ） 将 PSO 算法转换为自适应、三角、平衡和非参数元启发式算法。PPSO的性能在实参数优化问题上进行了测试，包括单峰和多峰标准测试函数以及传统基准函数。优化结果表明，PPSO算法在实参数全局优化中表现良好、高效，特别是对于高维优化问题，与文献中其他改进的PSO算法相比。相量模型可用于扩展不同类型的PSO和其他算法。

📚2 运行结果

 部分代码：

for it=1:maxit
     if it==1
         gbestcost(1)=inf;
         for i=1:npop
             velocity(i,:)=zeros(1,nvar);
             delta(i)=unifrnd(0,2*pi);
             position(i,:)=xmin+(xmax-xmin)*rand(1,nvar);
             cost(i)=CostFunction(position(i,:));
             
             pbest(i,:)=position(i,:);
             pbestcost(i)=cost(i);
             
             if pbestcost(i)<gbestcost(it)
                 gbest=pbest(i,1:nvar);
                 gbestcost(it)=pbestcost(i);
             end
         end
     else
         
         gbestcost(it)=gbestcost(it-1);
         
         for i=1:npop
             
             
             aa=2*(sin(delta(i)));
             bb=2*(cos(delta(i)));
             ee=abs(cos(delta(i)))^aa;
             tt=abs(sin(delta(i)))^bb;
             
             r=2.5*rand*rand;
             
             velocity(i,:)=(ee)*(pbest(i,:)-position(i,:)) +(tt)*(gbest-position(i,:));
             
             
             velocity(i,:)=min(max(velocity(i,:),-vmax),vmax);
             
             position(i,:)=position(i,:)+velocity(i,:);
             
             position(i,:)=min(max(position(i,:),xmin),xmax);
             
             cost(i)=CostFunction(position(i,:));
             
             delta(i)=delta(i)+(abs(aa+bb)*(2*pi));
             
             
             vmax=(abs(cos(delta(i)))^2)*dx;
             if cost(i)<pbestcost(i)
                 pbest(i,:)=position(i,:);
                 pbestcost(i)=cost(i);
                 
                 if pbestcost(i)<gbestcost(it)
                     gbest=pbest(i,:);
                     gbestcost(it)=pbestcost(i);
                 end
             end
         end
     end
     
     disp(['Iteration ' num2str(it) ':   Best Cost = ' num2str(gbestcost(it))]);
     
     
 end
 hold on;
 figure(1)
 it=1:50:maxit;semilogy((it),(log(gbestcost(it))),'-og','linewidth',1.4,'Markersize',3);
xlabel('\fontsize{12}\bf Iteration');
 ylabel('\fontsize{12}\bf Best value');
 legend('\fontsize{10}\bf PPSO');
 Cost_Rsult=gbestcost(end)

🎉3 参考文献

[1]Mojtaba Ghasemi, Ebrahim Akbari, Abolfazl Rahimnejad, Seyed Ehsan Razavi, Sahand Ghavidel, and Li Li. "Phasor particle swarm optimization: a simple and efficient variant of PSO." Soft Computing 23, no. 19 (2019): 9701-9718. 

[2]Ebrahim Akbari (2022). Phasor Prticle Swarm Optimization (PPSO) .

​​🌈​​4 Matlab代码实现