PID 的搜索算法（PSA）附matlab代码-CFANZ编程社区

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法神经网络预测雷达通信无线传感器电力系统

信号处理图像处理路径规划元胞自动机无人机

⛄ 内容介绍

在本文中，提出了一种称为基于 PID 的搜索算法（PSA）的元启发式算法，用于全局优化。该算法基于增量PID算法，通过不断调整系统偏差将整个群体收敛到最优状态。PSA 经过数学建模和实施，可在广泛的搜索空间中实现优化。PSA用于解决CEC2017基准测试函数和六个约束问题。通过与近年来提出的七种元启发法进行比较，验证了PSA的优化性能。Kruskal-Wallis、Holm 和 Friedman 检验验证了 PSA 在统计显着性方面的优越性。结果表明，PSA能够较好地平衡勘探与开采，具有较强的优化能力。

⛄ 部分代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%
%  PID-based search algorithm (PSA) source codes version 1.0
%  
%  Developed in:  MATLAB 9.13 (R2022b)
%  
%  Programmer:    Yuansheng Gao
%  
%  Original paper:  Yuansheng Gao,
%                   PID-based search algorithm: A novel metaheuristic 
%                   algorithm based on PID algorithm           
%  
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% fun   : @YourFunction
% nvars : number of decision/design variables
% lb    : lower bound of decision variables
% % ub    : upper bound of decision variables
%
% PSA will return the following:
% x     : best solution found
% fval  : objective function value of the found solution

clc
clear
close all
%% Inputs
PopSize = 50;          % Population size
MaxIter = 500;         % Maximum iterations
FunctionName = 'F3';   % Function number: F1~F23
%% Run PSA
[lb,ub,nvars,fun] = GetFunctionsDetails(FunctionName);
[x,fval,ConvergenceCurve] = PSA (fun,nvars,lb,ub,PopSize,MaxIter);
%% Plot result
% function topology
figure('Position',[500 400 700 290])
subplot(1,2,1);
func_plot(FunctionName);
title('Function Topology')
xlabel('x_1');
ylabel('x_2');
zlabel([FunctionName,'( x_1 , x_2 )'])

% Convergence curve
subplot(1,2,2);
semilogy(ConvergenceCurve,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');