av一区二区在线观看_亚洲男人的天堂网站_日韩亚洲视频_在线成人免费_欧美日韩精品免费观看视频_久草视

您的位置:首頁技術(shù)文章
文章詳情頁

python實現(xiàn)粒子群算法

瀏覽:6日期:2022-07-08 11:38:23

粒子群算法

粒子群算法源于復(fù)雜適應(yīng)系統(tǒng)(Complex Adaptive System,CAS)。CAS理論于1994年正式提出,CAS中的成員稱為主體。比如研究鳥群系統(tǒng),每個鳥在這個系統(tǒng)中就稱為主體。主體有適應(yīng)性,它能夠與環(huán)境及其他的主體進(jìn)行交流,并且根據(jù)交流的過程“學(xué)習(xí)”或“積累經(jīng)驗”改變自身結(jié)構(gòu)與行為。整個系統(tǒng)的演變或進(jìn)化包括:新層次的產(chǎn)生(小鳥的出生);分化和多樣性的出現(xiàn)(鳥群中的鳥分成許多小的群);新的主題的出現(xiàn)(鳥尋找食物過程中,不斷發(fā)現(xiàn)新的食物)。

PSO初始化為一群隨機(jī)粒子(隨機(jī)解)。然后通過迭代找到最優(yōu)解。在每一次的迭代中,粒子通過跟蹤兩個“極值”(pbest,gbest)來更新自己。在找到這兩個最優(yōu)值后,粒子通過下面的公式來更新自己的速度和位置。

python實現(xiàn)粒子群算法

python實現(xiàn)粒子群算法

i 表示第 i 個粒子, d 表示粒子的第 d 個維度。r1, r2 表示兩個位于 [0, 1] 的隨機(jī)數(shù)(對于一個粒子的不同維度,r1, r2 的值不同)。pbest[i] 是指粒子取得最高(低)適應(yīng)度時的位置,gbest[i] 指的是整個系統(tǒng)取得最高(低)適應(yīng)度時的位置。

實踐

我們用 PSO 算法求解如下函數(shù)的最小值

python實現(xiàn)粒子群算法

可以在空間畫出圖像

python實現(xiàn)粒子群算法

下圖是使用 5 個粒子的收斂情況

python實現(xiàn)粒子群算法

可以看到,fitness 在第 12 輪就幾乎收斂到 -10.0。

下面是完整代碼

import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3DINF = 1e5def plot_cost_func(): '''畫出適應(yīng)度函數(shù)''' fig = plt.figure() ax = Axes3D(fig) X = np.arange(-4, 4, 0.25) Y = np.arange(-4, 4, 0.25) X, Y = np.meshgrid(X, Y) Z = (X**2 + Y**2) - 10 ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=’rainbow’) plt.show()def fitness(x): return x[0]**2 + x[1]**2 - 10class PSOSolver(object): def __init__(self, n_iter, weight=0.5, c1=2, c2=2, n_particle=5): self.n_iter = n_iter self.weight = weight self.c1 = c1 self.c2 = c2 self.n_particle = n_particle self.gbest = np.random.rand(2) # gbest 對應(yīng)的函數(shù)值 self.gbest_fit = fitness(self.gbest) # 將位置初始化到 [-5, 5] self.location = 10 * np.random.rand(n_particle, 2) - 5 # 將速度初始化到 [-1, 1] self.velocity = 2 * np.random.rand(n_particle, 2) - 1 self.pbest_fit = np.tile(INF, n_particle) self.pbest = np.zeros((n_particle, 2)) # 記錄每一步的最優(yōu)值 self.best_fitness = [] def new_velocity(self, i): r = np.random.rand(2, 2) v = self.velocity[i] x = self.location[i] pbest = self.pbest[i] return self.weight * v + self.c1 * r[0] * (pbest - x) + self.c2 * r[1] * (self.gbest - x) def solve(self): for it in range(self.n_iter): for i in range(self.n_particle):v = self.new_velocity(i)x = self.location[i] + vfit_i = fitness(x)if fit_i < self.pbest_fit[i]: self.pbest_fit[i] = fit_i self.pbest[i] = x if fit_i < self.gbest_fit: self.gbest_fit = fit_i self.gbest = xself.velocity[i] = vself.location[i] = x self.best_fitness.append(self.gbest_fit) if __name__ == ’__main__’: plot_cost_func() n_iter = 20 s = PSOSolver(n_iter) s.solve() print(s.gbest_fit) plt.title('Fitness Curve') plt.xlabel('iter') plt.ylabel('fitness') plt.plot(np.arange(n_iter), np.array(s.best_fitness)) plt.show()

以上就是python實現(xiàn)粒子群算法的詳細(xì)內(nèi)容,更多關(guān)于python 粒子群算法的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章!

標(biāo)簽: Python 編程
相關(guān)文章:
主站蜘蛛池模板: 久久国产区 | 久久精品视频99 | 伊人超碰 | 全免费a级毛片免费看视频免 | 岛国视频| 精品久久久久久久久久久久 | 日日骚网 | 蜜桃av鲁一鲁一鲁一鲁 | 一区二区在线 | 久久久久久99 | 一区二区精品在线 | 国产精品美女久久久久aⅴ国产馆 | 狠狠亚洲 | 日韩免费一区 | 黄在线 | 奇米影视77 | 国产精品久久久久久久 | 久久久久久美女 | 羞羞视频网页 | h免费观看| 精品久久电影 | 久草在线青青草 | 成人九区 | 久草网站 | 九九热在线视频观看这里只有精品 | 超碰在线97国产 | 国产精品视频一区二区三区不卡 | 天天干天天玩天天操 | 午夜伦理影院 | 精品欧美一区二区在线观看欧美熟 | 国产精品成人在线 | 欧美成人精品一区二区男人看 | 欧美日韩综合精品 | 精品一区二区免费视频 | 久久精品久久久 | 精品久久久久久18免费网站 | 国产一区二区三区在线免费 | 成人精品鲁一区一区二区 | 在线播放中文字幕 | 在线国产小视频 | 国产精品jizz在线观看老狼 |