from sko.PSO import PSO
import matplotlib.pyplot as plt

\'\'\'
目标是求目标函数的最小值
粒子群优化算法和蚁群算法类似，主要依靠群体之间的联系寻找最优解和最优输入嘴和
参数介绍:
func：   目标函数
ndim:   输入参数的个数
pop：    粒子的个数
max_iter：   最大迭代次数
lb：     输入参数的下限，低于此数值将不再衰减
ub：     输入参数的上限，高于此数值将不再增加
w：      学习衰减速率,惯性权重，学习的精度将随着迭代次数的增加而增加，但随之而来的是移动速度的下降。
c1：     自身最优值的记忆权重
c2：     群体最优值的记忆权重
\'\'\'

def demo_func(x):
    x1, x2, x3 = x
    return x1 ** 2 + (x2 - 0.05) ** 2 + x3 ** 2

pso = PSO(func=demo_func, n_dim=3, pop=40, max_iter=150, lb=[0, -1, 0.5], ub=[1, 1, 1], w=0.8, c1=0.5, c2=0.5)
pso.run()
print(\'pbest_x\', pso.pbest_x, \'pbest_y\', pso.pbest_y, \'length\', len(pso.pbest_y))
print(\'best_x is \', pso.gbest_x, \'best_y is\', pso.gbest_y)

print(\'gbest_y_hist\', pso.gbest_y_hist)
plt.plot(pso.gbest_y_hist)
plt.show()

 

版权声明：本文为lzqdeboke原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/lzqdeboke/p/15099464.html