V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
l91liliang
V2EX  ›  C

小白求问,这个用 C 写的粒子群算法(PSO)有什么问题。

  •  
  •   l91liliang · 2016-12-13 10:20:24 +08:00 · 2285 次点击
    这是一个创建于 2896 天前的主题,其中的信息可能已经有所发展或是发生改变。

    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]=w
    particle_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; }`

    第 1 条附言  ·  2016-12-13 11:03:14 +08:00

    //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;
    
    		}
    
    	}
    
    }
    

    }

    第 2 条附言  ·  2016-12-13 11:03:30 +08:00
    //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 条回复    2016-12-14 08:03:58 +08:00
    zchpeng
        1
    zchpeng  
       2016-12-13 10:34:49 +08:00
    眼晕
    mnzlichunyu
        2
    mnzlichunyu  
       2016-12-13 10:36:52 +08:00
    这谁要是看完了,我敬他是一条好汉。
    l91liliang
        3
    l91liliang  
    OP
       2016-12-13 10:43:19 +08:00 via Android
    @zchpeng @mnzlichunyu Sorry.不会用 markdown 。求教。。。
    aleen42
        4
    aleen42  
       2016-12-13 10:45:49 +08:00   ❤️ 1
    = =你不会断点 debug ,然后查哪一行计算异常吗?
    aleen42
        5
    aleen42  
       2016-12-13 10:48:51 +08:00
    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
        6
    l91liliang  
    OP
       2016-12-13 10:51:04 +08:00
    @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
        7
    altairkuma  
       2016-12-13 10:58:35 +08:00
    ```
    #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;
    }
    ```
    spice630
        8
    spice630  
       2016-12-13 11:01:29 +08:00
    兄弟,我告诉你个方法,在 github 上发个 gist ,贴过来
    l91liliang
        9
    l91liliang  
    OP
       2016-12-13 11:05:14 +08:00
    lsmgeb89
        10
    lsmgeb89  
       2016-12-13 11:30:31 +08:00
    这会不会贴代码啊……
    araraloren
        11
    araraloren  
       2016-12-13 11:34:16 +08:00
    ...描述一下问题 代码最好贴在别的地方, V2EX 的代码展示体验太差
    l91liliang
        12
    l91liliang  
    OP
       2016-12-13 18:31:37 +08:00 via Android
    各位兄弟,格式还不错的版本已添加进附言 1 、 2 ,请各位帮帮忙。
    ivanlw
        13
    ivanlw  
       2016-12-14 03:11:32 +08:00
    附言的格式还不错?怪不得你看不懂代码
    l91liliang
        14
    l91liliang  
    OP
       2016-12-14 08:03:58 +08:00 via Android
    @ivanlw 我说了自己是小白嘛。恳请您协助解决问题。谢谢。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   3386 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 21ms · UTC 00:50 · PVG 08:50 · LAX 16:50 · JFK 19:50
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.