小白求问，这个用 C 写的粒子群算法(PSO)有什么问题。

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

For Existing Member Sign In

This topic created in 3429 days ago, the information mentioned may be changed or developed.

f(3)函数总是计算错误

`//粒子群 PSO 算法

#include<stdio.h> #include<math.h> #include<time.h> #include<stdlib.h> #define P_num 200 //粒子数目
#define dim 50 #define low -512 //搜索域范围 #define high 512 #define iter_num 1000 #define V_max 20 //速度范围 #define c1 2 #define c2 2 #define w 0.5 #define alp 1 double particle[P_num][dim]; //个体集合 double particle_loc_best[P_num][dim]; //每个个体局部最优向量 double particle_loc_fit[P_num]; //个体的局部最优适应度,有局部最优向量计算而来 double particle_glo_best[dim]; //全局最优向量 double gfit; //全局最优适应度,有全局最优向量计算而来
double particle_v[P_num][dim]; //记录每个个体的当前代速度向量 double particle_fit[P_num]; //记录每个粒子的当前代适应度

double f1(double a[]) { int i; double sum=0.0; for(i=0; i<dim; i++) { sum+=a[i]*a[i]; } return sum; }

double f2(double a[]) { int i; double sum=0.0; for(i=0;i<dim;i++) { sum=(1+(a[i]+a[i+1]+1)(a[i]+a[i+1]+1)(19-14a[i]+3a[i]a[i]-14a[i+1]+6a[i]a[i+1]+3a[i+1]a[i+1]))(30+(2a[i]-3a[i+1])(2a[i]-3a[i+1])(18-32a[i]+12a[i]a[i]+48a[i+1]-36a[i]a[i+1]+27a[i+1]*a[i+1])); } return sum; }

double f3(double a[]) { int i; double sum=0.0; for(i=0;i<dim;i++) { sum+=-a[i]sin(sqrt(abs(a[i]))); } return sum; } double fitness(double a[]) //适应度函数 { return f2(a); } void initial() { int i,j; for(i=0; i<P_num; i++) //随即生成粒子 { for(j=0; j<dim; j++) { particle[i][j] = low+(high-low)1.0rand()/RAND_MAX; //初始化群体 particle_loc_best[i][j] = particle[i][j]; //将当前最优结果写入局部最优集合 particle_v[i][j] = -V_max+2V_max1.0rand()/RAND_MAX; //速度 } } for(i=0; i<P_num; i++) //计算每个粒子的适应度 { particle_fit[i] = fitness(particle[i]); particle_loc_fit[i] = particle_fit[i]; } gfit = particle_loc_fit[0]; //找出全局最优 j=0; for(i=1; i<P_num; i++) { if(particle_loc_fit[i]<gfit) { gfit = particle_loc_fit[i]; j = i; } } for(i=0; i<dim; i++) //更新全局最优向量 { particle_glo_best[i] = particle_loc_best[j][i]; } } void renew_particle() { int i,j; for(i=0; i<P_num; i++) //更新个体位置生成位置 { for(j=0; j<dim; j++) { particle[i][j] += alpparticle_v[i][j]; if(particle[i][j] > high) { particle[i][j] = high; } if(particle[i][j] < low) { particle[i][j] = low; } } } } void renew_var() { int i, j; for(i=0; i<P_num; i++) //计算每个粒子的适应度 { particle_fit[i] = fitness(particle[i]); if(particle_fit[i] < particle_loc_fit[i]) //更新个体局部最优值 { particle_loc_fit[i] = particle_fit[i]; for(j=0; j<dim; j++) // 更新局部最优向量 { particle_loc_best[i][j] = particle[i][j]; } } } for(i=0,j=-1; i<P_num; i++) //更新全局变量 { if(particle_loc_fit[i]<gfit) { gfit = particle_loc_fit[i]; j = i; } } if(j != -1) { for(i=0; i<dim; i++) //更新全局最优向量
{ particle_glo_best[i] = particle_loc_best[j][i]; } } for(i=0; i<P_num; i++) //更新个体速度 { for(j=0; j<dim; j++) { particle_v[i][j]=wparticle_v[i][j]+ c11.0rand()/RAND_MAX*(particle_loc_best[i][j]-particle[i][j])+ c21.0rand()/RAND_MAX*(particle_glo_best[j]-particle[i][j]); if(particle_v[i][j] > V_max) { particle_v[i][j] = V_max; } if(particle_v[i][j] < -V_max) { particle_v[i][j] = -V_max; } } } } int main() { freopen("result.txt","a+",stdout); int i=0; srand((unsigned)time(NULL)); initial(); while(i < iter_num) { renew_particle(); renew_var(); i++; } printf("粒子个数:%d\n",P_num); printf("维度为:%d\n",dim); printf("最优值为%.10lf\n", gfit); return 0; }`

Supplement 1 · Dec 13, 2016

//Part 1 #include<stdio.h>

#include<math.h>

#include<time.h>

#include<stdlib.h>

#define P_num 50 //粒子数目,m

#define dim 20 //粒子维度,n

#define low -500 //搜索域范围

#define high 500

#define iter_num 1000 //迭代次数,k

#define V_max 20 //速度范围

#define c1 2

#define c2 2

//#define w 0.5

#define wmax 0.9

#define wmin 0.4

double particle[P_num][dim]; //个体集合

double particle_loc_best[P_num][dim]; //每个个体局部最优向量

double particle_loc_fit[P_num]; //个体的局部最优适应度,有局部最优向量计算而来

double particle_glo_best[dim]; //全局最优向量

double gfit; //全局最优适应度,有全局最优向量计算而来

double particle_v[P_num][dim]; //记录每个个体的当前代速度向量

double particle_fit[P_num]; //记录每个粒子的当前代适应度

//随机生成粒子
for(i=0; i<P_num; i++)            //在粒子群中生成粒子
{
	for(j=0; j<dim; j++)	//在搜索空间内生成粒子
	{
		particle[i][j] = low+(high-low)*1.0*rand()/RAND_MAX;    //初始化群体
		particle_loc_best[i][j] = particle[i][j];               //将当前最优结果写入局部最优集合
		particle_v[i][j] = -V_max+2*V_max*1.0*rand()/RAND_MAX;    //速度
	}
}

for(i=0; i<P_num; i++)            //计算每个粒子的适应度
{
	particle_fit[i] = fitness(particle[i]);
	particle_loc_fit[i] = particle_fit[i];
}
gfit = particle_loc_fit[0];      //找出全局最优
j=0;
for(i=1; i<P_num; i++)
{
	if(particle_loc_fit[i]<gfit)
	{
		gfit = particle_loc_fit[i];
		j = i;
	}
}
for(i=0; i<dim; i++)             //更新全局最优向量
{
	particle_glo_best[i] = particle_loc_best[j][i];
}

}

void renew_particle()

{

int i,j;

for(i=0; i<P_num; i++)            //更新个体位置生成位置

{

	for(j=0; j<dim; j++)

	{

		particle[i][j] +=  particle_v[i][j];

		if(particle[i][j] > high)

		{

			particle[i][j] = high;

		}

		if(particle[i][j] < low)

		{

			particle[i][j] = low;

		}

	}

}

}

Supplement 2 · Dec 13, 2016

//Part 2
int main()

{

FILE *fp;

fp=freopen("result.txt","a+",stdout);

int i=0;

int x,y;

srand((unsigned)time(NULL));

initial();

while(i < iter_num)

{

double w;

w=wmax-(wmax-wmin)/iter_num*i;

renew_particle();

for(x=0; x<P_num; x++) //计算每个粒子的适应度

{

particle_fit[x] = fitness(particle[x]);

if(particle_fit[x] < particle_loc_fit[x]) //更新个体局部最优值

{

particle_loc_fit[x] = particle_fit[x];

for(y=0; y<dim; y++) // 更新局部最优向量

{

particle_loc_best[x][y] = particle[x][y];

}

}

}

for(x=0,y=-1; x<P_num;x++) //更新全局变量

{

if(particle_loc_fit[x]<gfit)

{

gfit = particle_loc_fit[x];

y = x;

}

}

if(y != -1)

{

for(x=0; x<dim; x++) //更新全局最优向量

{

particle_glo_best[x] = particle_loc_best[y][x];

}

}

for(x=0; x<P_num; x++) //更新个体速度

{

for(y=0; y<dim; y++)

{

particle_v[x][y]=w*particle_v[x][y]+

c1*1.0*rand()/RAND_MAX*(particle_loc_best[x][y]-particle[x][y])+

c2*1.0*rand()/RAND_MAX*(particle_glo_best[y]-particle[x][y]);

if(particle_v[x][y] > V_max)

{

particle_v[x][y] = V_max;

}

if(particle_v[x][y] < -V_max)

{

particle_v[x][y] = -V_max;

}

}

}

i++;

}

printf("粒子个数:%d\n",P_num);

printf("维度为:%d\n",dim);

printf("最优值为%.10lf\n", gfit);

return 0;

}

14 replies • 2016-12-14 08:03:58 +08:00

chaosoy

Dec 13, 2016

眼晕

mnzlichunyu

Dec 13, 2016

这谁要是看完了，我敬他是一条好汉。

l91liliang

Dec 13, 2016 via Android

@zchpeng @mnzlichunyu Sorry.不会用 markdown 。求教。。。

aleen42

Dec 13, 2016

= =你不会断点 debug ，然后查哪一行计算异常吗？

aleen42

Dec 13, 2016

虽然我也小白，但建议你对照这个项目，看看自己的算法哪里出错了。 https://github.com/kkentzo/pso

l91liliang

Dec 13, 2016

@aleen42 我正在调试中，感觉问题不大。但是结果是错误的。我再慢慢调试吧。谢谢您。

altairkuma

Dec 13, 2016

```
#include<stdio.h>
#include<math.h>
#include<time.h>
#include<stdlib.h>
#define P_num 200 //粒子数目
#define dim 50
#define low -512 //搜索域范围
#define high 512
#define iter_num 1000
#define V_max 20 //速度范围
#define c1 2
#define c2 2
#define w 0.5
#define alp 1
double particle[P_num][dim]; //个体集合
double particle_loc_best[P_num][dim]; //每个个体局部最优向量
double particle_loc_fit[P_num]; //个体的局部最优适应度,有局部最优向量计算而来
double particle_glo_best[dim]; //全局最优向量
double gfit; //全局最优适应度,有全局最优向量计算而来
double particle_v[P_num][dim]; //记录每个个体的当前代速度向量
double particle_fit[P_num]; //记录每个粒子的当前代适应度

double f1(double a[])
{
int i;
double sum=0.0;
for(i=0; i<dim; i++)
{ sum+=a[i]*a[i]; }
return sum;
}

double f2(double a[])
{
int i;
double sum=0.0;
for(i=0;i<dim;i++)
{
sum=(1+(a[i]+a[i+1]+1)(a[i]+a[i+1]+1)(19-14a[i]+3a[i]a[i]-14a[i+1]+6a[i]a[i+1]+3a[i+1]a[i+1]))(30+(2a[i]-3a[i+1])(2a[i]-3a[i+1])(18-32a[i]+12a[i]a[i]+48a[i+1]-36a[i]a[i+1]+27a[i+1]*a[i+1]));
}
return sum;
}

double f3(double a[])
{
int i;
double sum=0.0;
for(i=0;i<dim;i++)
{ sum+=-a[i]sin(sqrt(abs(a[i]))); }
return sum;
}

double fitness(double a[]) //适应度函数
{
return f2(a);
}

void initial()
{
int i,j;
for(i=0; i<P_num; i++) //随即生成粒子
{
for(j=0; j<dim; j++)
{
particle[i][j] = low+(high-low)1.0rand()/RAND_MAX; //初始化群体
particle_loc_best[i][j] = particle[i][j]; //将当前最优结果写入局部最优集合
particle_v[i][j] = -V_max+2V_max1.0rand()/RAND_MAX; //速度
}
}
for(i=0; i<P_num; i++) //计算每个粒子的适应度
{
particle_fit[i] = fitness(particle[i]);
particle_loc_fit[i] = particle_fit[i];
}
gfit = particle_loc_fit[0]; //找出全局最优
j=0;
for(i=1; i<P_num; i++)
{
if(particle_loc_fit[i]<gfit)
{ gfit = particle_loc_fit[i]; j = i; }
}
for(i=0; i<dim; i++) //更新全局最优向量
{ particle_glo_best[i] = particle_loc_best[j][i]; }
}

void renew_particle()
{
int i,j;
for(i=0; i<P_num; i++) //更新个体位置生成位置
{
for(j=0; j<dim; j++)
{ particle[i][j] += alpparticle_v[i][j];
if(particle[i][j] > high)
{ particle[i][j] = high; }
if(particle[i][j] < low)
{ particle[i][j] = low; }
}
}
}

void renew_var()
{
int i, j;
for(i=0; i<P_num; i++) //计算每个粒子的适应度
{
particle_fit[i] = fitness(particle[i]);
if(particle_fit[i] < particle_loc_fit[i]) //更新个体局部最优值
{
particle_loc_fit[i] = particle_fit[i];
for(j=0; j<dim; j++) // 更新局部最优向量
{ particle_loc_best[i][j] = particle[i][j]; }
}
}
for(i=0,j=-1; i<P_num; i++) //更新全局变量
{
if(particle_loc_fit[i]<gfit)
{ gfit = particle_loc_fit[i]; j = i; }
}
if(j != -1)
{
for(i=0; i<dim; i++) //更新全局最优向量
{ particle_glo_best[i] = particle_loc_best[j][i];}
}
for(i=0; i<P_num; i++) //更新个体速度
{
for(j=0; j<dim; j++)
{
particle_v[i][j]=wparticle_v[i][j]+ c11.0rand()/RAND_MAX*(particle_loc_best[i][j]-particle[i][j])+ c21.0rand()/RAND_MAX*(particle_glo_best[j]-particle[i][j]);
if(particle_v[i][j] > V_max)
{ particle_v[i][j] = V_max; }
if(particle_v[i][j] < -V_max)
{ particle_v[i][j] = -V_max; }
}
}
}

int main()
{
freopen("result.txt","a+",stdout);
int i=0;
srand((unsigned)time(NULL));
initial();
while(i < iter_num)
{ renew_particle(); renew_var(); i++; }
printf("粒子个数:%d\n",P_num);
printf("维度为:%d\n",dim);
printf("最优值为%.10lf\n", gfit);
return 0;
}
```