在上次的博客中，将粒子群的搜索过程可视化，并导出为gif格式的文件。 关于这个过程，首先在这里说明。
1 .首先pause ()在每次绘制时暂停，单位为秒，进行下一次绘制。
2 .导出为gif文件时，这实际上是静音视频文件。 因此，需要每帧的图像。 你可以用pause，但最好用drawnow。 其原理是保持当前窗口不变，继续下一次绘制。
因此，如果将导出为gif的步骤添加到上一个代码中，则：
clc； 清除全部关闭； %%初始化种群f=@(x ) x .* sin(x ) x ) cos )2*x ) x .* sin(x )3*x )； %函数式N=50； %初始种群数量d=1； %空间维度ger=100； %最大迭代次数limit=[ 0，20 ]； %位置参数限制v limit=[-1，1 ]； 设置%速度限制w=0.8； %惯性权重c1=0.5； %自学因子c2=0.5； %群体学习因子forI=1:dx=limit(i(I，1 ) ) limit，2 )-limit，1 ) ) * rand(N ) n，d )； %初始种群位置endv=rand(n，d )； %初始种群速度xm=x； %每个个体的历史最高位置ym=Zeros(1，d )； %种群历史最佳位置fxm=Zeros(n，1 )； %每个个体的历史最佳适应度fym=-inf； %种群历史最优适应度%%群体更新iter=1； Record=Zeros(Ger，1 )； %记录器whileIter=gerFX=f(x； %个体的当前适应度forI=1:niffxm(I ) FX ) I ) fxm ) I )=FX ) I； %个体历史记录最佳适应度XM的更新(I， )=x ) I， )； %更新个体历史记录的最佳位置endendiffymmax(fxm ) [fym，nmax]=max ) fxm )； %更新组历史最佳适应度ym=XM(nmax， )； %更新组的历史最高位置endv=v*WC1*rand*(XM- x ) C2*rand* ) repmat(ym，n，1 )-x )； %速度更新%边界速度处理v(vvlimit )2)=vlimit(2) 2； v ) vvlimit(1)=vlimit(1) 1； x=x v； %位置更新%边界位置处理x(xlimit(2) )=limit(2) 2； x (x限制(1)=限制(1) 1； 记录(Iter )=fym； %最大值记录x0=0 : 0.01 : 20； plot(x0，f ) x0 )、' b- '、x，f ) x、' ro ' )； 状态位置变化) drawnow frame=getframe(1) 1； im=帧2 im (帧； [A，map]=RGB2ind(im，256 )； if iter==1； imwrite(a，map，' E:培训优化算法(pso.gif '，' gif '，' LoopCount '，Inf，' DelayTime '，0.1 )； elseimwrite(a，map，' E:(培训)优化算法(pso.gif )、' gif )、' WriteMode '、' append '和' DelayTime ) end iter=iter 1； enddisp([ '最大值：'，num2str ) ) fym； disp([ '变量取值：'，num2str(ym ) ]；
另外，可以看出在种群的历史最佳值中被初始化为-inf，这是因为需要最大值。 但是，如果要求最小值该怎么办？ 你最好不要把这里改成inf。 如果那样的话，在我们之后的最佳值更新中必须全部变更为最小值和。 很麻烦。 那么，直接给适应度加负号是最好的方法。 那样的话，就会求出最小值。 但是，必须将最后的最佳值反转。
而且，我们先写的只是一维问题的优化，代码的优化程度不高。 与此相对，为了应对多维优化问题，显示了优化程度较高的代码：
问题是21.5x*sin(4*pi*x ) y * sin (20 * pi * y )，x=[-3，12.1 ]； y=[ 4.1，5.8 ]的极值。
clc； 清除全部关闭； tic%%参数设定N=500； d=2； ger=1000； w=0.8； c1=0.9； c2=0.9； xlimit=[-3 12.1； 4.1 5.8]； vlimit=[-1 1； -11 )； %%种群初始化x=repmat (xlimit (:1 )，n，1 ) repmat (diff ) x limit )，n，1 ).*rand(N ) n，d； v=repmat(vlimit ) :1 )，n，1 ) repmat (diff ) vlimit )，n，1 ).*rand(N ) n，d )； xm=x； fxm=-INF*ones(n，1 )； ym=x limit (3360，1 ) diff ) x limit.* rand (1) 1，d )； fym=-inf； %%开始搜索forI=1:gery=f(x； forj=1:nify(j ) fxm ) j ) j )=y ) j； XM(j， )=x ) j， )； ify(j ) fym fym=y(j ) j； ym=x(j， )； endendv=w*vC1*rand*(XM-x ) C2*rand* ) repmat(ym，n，1 )-x )； x=x v； x=min(x，repmat ) xlimit ) :2 )，n，1 )； x=最大(x，repmat ) x限制) :1 )、n，1 )； v=min(v，repmat ) vlimit ) :2 )、n，1 )； v=最大(v，repmat ) vlimit ) :1 )、n，1 )； endtocdisp([ '最佳解为： '，num2str(ym ) ]； DISP([ '最佳值为： '，num2str(fym ) ]； 子函数如下：
函数y=f (x ) y=21.5 x (:1 ).*sin )4* pi * x (:1 ) ) x ) :2 ) ) sin ) 20*pi*x ) 3360 end