【Matlab群体智能算法第三期】基于Tent混沌映射的TPSO算法（含完整matlab代码）

%基于Tent映射的种群初始化function%20x_apply%20=%20Tent_int(dim,a,Lb,Ub)x(1,1)=(Lb(1,1)+rand()*(Ub(1,1)-Ub(1,1)))/Ub(1,1);%20%初始点%根据Tent映射函数，生成后续初始种群for%20i=1:dim-1%20%20%20%20if%20x(i)<a%20%20%20%20%20%20%20%20x(i+1)=2*x(i);%20%20%20%20elseif%20x(i)>=a%20%20%20%20%20%20%20%20x(i+1)=2*(1-x(i))%20;%20%20%20%20endend%获取在粒子边界约束内的种群解x_apply=x.*Ub;%粒子边界约束检查I=x_apply<Lb;x_apply(I)=Lb(I);U=x_apply>Ub;x_apply(U)=Ub(U);end

2.基于Tent混沌映射的改进粒子群算法

 %20 %20 %20 %20第1节主要对Tent混沌映射原理及matlab代码复现进行讲解，该部分将Tent混沌映射初始化与传统粒子群算法相结合，实现基于Tent混沌映射的改进粒子群算法，具体matlab代码如下所示：

%%%20基于Tent混沌映射的改进粒子群算法主程序clc;clear%20all;close%20all%%%20算法基本参数设置c1=2;%20%学习因子1c2=2;%学习因子2w=0.7;%惯性权重MaxDT=500;%最大迭代次数D=3;%搜索空间维数（未知数个数）N=30;%初始化群体个体数目Lb=[-100,-100,-100];%种群解的下限Ub=[100,100,100];%种群解的上限Vmax=[1,1,1];%速度上限Vmin=[-1,-1,-1];%速度下限a=0.5;%Tent混沌系数，0~1之间Best_f=[];pop=[];%%%20基于Tent混沌映射的种群初始化for%20L=1:N%20%20%20%20pop(L,:)%20=%20Tent_int(D,a,Lb,Ub);%20%20%20%20Best_f(1,L)=fitness_obl(pop(L,:));endV=rand(N,D);%计算各个粒子的适应度值并初始化Pi和Pg[fitnessgbest%20bestindex]=min(Best_f);gbest=pop(bestindex,:);pbest=pop;fitnesspbest=Best_f;%20%%%20粒子群算法更新迭代部分for%20i=1:MaxDT%20%20%20%20for%20j=1:N%20%20%20%20%20%20%20%20%种群更新%20%20%20%20%20%20%20%20V(j,:)=w*V(j,:)+c1*rand*(pbest(j,:)-pop(j,:))+c2*rand*(gbest-pop(j,:));%20%20%20%20%20%20%20%20%更新速度边界检查%20%20%20%20%20%20%20%20I=V(j,:)<Vmin;%20%20%20%20%20%20%20%20V(j,I)=Vmin(I);%20%20%20%20%20%20%20%20U=V(j,:)>Vmax;%20%20%20%20%20%20%20%20V(j,U)=Vmax(U);%20%20%20%20%20%20%20%20pop(j,:)=pop(j,:)+V(j,:);%20%20%20%20%20%20%20%20%粒子边界检查%20%20%20%20%20%20%20%20PI=pop(j,:)<Lb;%20%20%20%20%20%20%20%20pop(j,PI)=Lb(PI);%20%20%20%20%20%20%20%20PU=pop(j,:)>Ub;%20%20%20%20%20%20%20%20pop(j,PU)=Ub(PU);%20%20%20%20%20%20%20%20%计算更新后种群的适应度函数值%20%20%20%20%20%20%20%20%20%20%20%20%20Best_f(j)=fitness_obl(pop(j,:));%20%20%20%20%20%20%20%20%20%个体极值更新%20%20%20%20%20%20%20if%20Best_f(j)<fitnesspbest(j)%20%20%20%20%20%20%20%20%20%20%20%20pbest(j,:)=pop(j,:);%20%20%20%20%20%20%20%20%20%20%20%20fitnesspbest(j)=Best_f(j);%20%20%20%20%20%20%20end%20%20%20%20%20%20%20%20%全局极值更新%20%20%20%20%20%20%20if%20Best_f(j)<fitnessgbest%20%20%20%20%20%20%20%20%20%20%20gbest=pop(j,:);%20%20%20%20%20%20%20%20%20%20%20fitnessgbest=Best_f(j);%20%20%20%20%20%20%20%20%20end%20%20%20%20%20%20%20%20%20%20%20end%20%20%20%记录粒子全局最优解%20%20%20Fgbest(i)=fitnessgbest;%20%20%20end%%%20结果可视化figureplot(Fgbest)title(['适应度曲线%20'%20'终止次数='%20num2str(MaxDT)]);xlabel('进化代数');ylabel('适应度')

 %20 %20 %20 %20为了验证改进后粒子群算法寻优效果，同时对各改进方式进行对比，本文应用第二期相同测试函数对改进后粒子群算法性能进行对比，具体测试函数及相关matlab文件见第二期“基于反向学习的改进粒子群算法”，链接如下：https://blog.csdn.net/hbdlhy/article/details/134035085

 %20 %20 %20 %20基于上述测试函数，运行10次后目标函数值及适应度曲线如下所示：

图1 基于Tent映射的改进粒子群算法迭代曲线

表1 改进前后不同算法适应度函数对比

        根据表中结果可知，基于Tent映射改进后粒子群算法的寻优能力明显增强，但在该测试函数下，运行10次后其性能与基于反向学习的改进策略略有差距。但算法寻优能力在不同适应度函数下的表现不同，因此大家可自行使用其他经典测试函数进行测试对比，本文暂不对其余测试函数进行对比补充。

3.后续改进

        本部分仅对种群初始化部分进行介绍，后续该部分将在种群更行迭代部分，对t分布自适应变异、Levy飞行策略等改进方法进行讲解，感谢大家耐心阅读，本文代码改进部分均为作者自身复现，谢绝转载，严禁以此进行二次售卖。

        作者主要更新方向为：

（1）智能算法复现及改进；

（2）微电网/综合能源系统容量配置、优化调度等方向

（3）时间序列预测（机器学习、深度学习方向）

欢迎大家相互交流，另作者水平有限，难免存在疏忽之处，若有错误请大家指正，谢谢。
 

点击全文阅读