随机固定分组合作协同进化PSO算法（CCPSO）

uqHZau

6 v! Z6 t# c" b* K, ~6 a. \合作协同进化（Cooperative Coevolution）是求解大规模优化算法一个有效的方法。将大规模问题分解为一组组较小的子问题。而合作协同进化的关键是分解策略。

PSO算法是粒子群优化算法。此文章是随机固定分组的合作协同进化利用PSO来优化。

比如有12个决策变量，我们固定随机优化3个决策变量，那么就将决策变量分成了4组。
7 U. z0 V8 a4 x2 i
" O" V9 W3 z1 DMATLAB主函数代码：

! D0 N, N3 r; b" v- k! C$ L- M9 [

• clear;
• clc;
• format long;
• %------给定初始化条件--------
• global M
• global bound
• MaxDT=100;       %最大迭代次数
• global Dim
• Dim=22;             %搜索空间维数（未知数个数）
• sub_dim= 11 ;
• M=30;             %初始化群体个体数目
• bound=1;
• %global answer      %最后所有粒子的结果（包括特征与精确度）
• x=randn(M,Dim); %随机初始化位置
• v=randn(M,Dim); %随机初始化速度
• result = 1;
• while MaxDT ~= 0
•     subgroup = rnd_divide(Dim, sub_dim);
•     for i=1:length(subgroup)
•         [sub_x, sub_v, temp_result] = PSO(x(:,subgroup{i}), v(:,subgroup{i}), sub_dim, subgroup{i});
•         x(:,subgroup{i}) = sub_x;
•         v(:,subgroup{i}) = sub_v;
•         if(temp_result < result)
•             result = temp_result;
•         end
•     end
•     %可以在协同进化后进行一次全局优化
•     %[x, v, temp_result] = PSO(x, v, Dim);
•     %if(temp_result < result)
•     %        result = temp_result;
•     %end
•     MaxDT =MaxDT - 1;
• end
  

机分组算法

• % random grouping
• function group = rnd_divide(dim, subdim)
•    dim_rand = randperm(dim);
•    group = {};
•    for i = 1:subdim:dim
•       index = dim_rand(i:i+subdim-1);
•       group = {group{1:end} index};
•    end
• end
  $ M# s. m& @# K$ T, t+ e2 D+ t

" Q, q; [/ {4 p/ r% ~其它函数依赖项与PSO算法相同。
2 R. h5 Q( u/ ]; q* {, B& m! o

regngfpcb

随机固定分组合作协同进化PSO算法（CCPSO）