m基于PSO粒子群优化的地震灾后救援物资仓库最优存放方案matlab仿真

1.算法描述

PSO算法是一种随机的、并行的优化算法。它的优点是：不要求被优化函数具有可微、可导、连续等性质，收敛速度较快，算法简单，容易编程实现。然而，PSO算法的缺点在于：（1）对于有多个局部极值点的函数，容易陷入到局部极值点中，得不到正确的结果。造成这种现象的原因有两种，其一是由于待优化函数的性质；其二是由于微粒群算法中微粒的多样性迅速消失，造成早熟收敛。这两个因素通常密不可分地纠缠在一起。（2）由于缺乏精密搜索方法的配合，PSO算法往往不能得到精确的结果。造成这种问题的原因是PSO算法并没有很充分地利用计算过程中获得的信息，在每一步迭代中，仅仅利用了群体最优和个体最优的信息。（3）PSO算法虽然提供了全局搜索的可能，但是并不能保证收敛到全局最优点上。（4）PSO算法是一种启发式的仿生优化算法，当前还没有严格的理论基础，仅仅是通过对某种群体搜索现象的简化模拟而设计的，但并没有从原理上说明这种算法为什么有效，以及它适用的范围。因此，PSO算法一般适用于一类高维的、存在多个局部极值点而并不需要得到很高精度解的优化问题。

当前针对PSO算法开展的研究工作种类繁多，经归纳整理分为如下八个大类：（1）对PSO算法进行理论分析，试图理解其工作机理；（2）改变PSO算法的结构，试图获得性能更好的算法；（3）研究各种参数配置对PSO算法的影响；（4）研究各种拓扑结构对PSO算法的影响；（5）研究离散版本的PSO算法；（6）研究PSO算法的并行算法；（7）利用PSO算法对多种情况下的优化问题进行求解；（8）将PSO算法应用到各个不同的工程领域。以下从这八大类别着手，对PSO算法的研究现状作一梳理。由于文献太多，无法面面俱到，仅捡有代表性的加以综述。


PSO初始化为一群随机粒子（随机解）。然后通过迭代找到最优解。在每一次迭代中，粒子通过跟踪两个“极值（pbest和gbest）”来更新自己。在找到这两个最优值后，粒子通过下面的公式来更新自己的速度和位置。


根据要求文档，优化目标函数为：


对于公式（1）：


公式（1）中的第一部分称为记忆项，表示上次速度大小和方向的影响；

公式（1）中的第二部分称为自身认知项，是从当前点指向粒子自身最好点的一个矢量，表示粒子的动作来源于自己经验的部分；

公式（1）中的第三部分称为群体认知项，是一个从当前点指向种群最好点的矢量，反映了粒子间的协调合作和知识共享。粒子就是通过自己的经验和同伴中最好的经验来决定下一步的运动。



2.matlab算法仿真效果

matlab2022a仿真结果如下：


3.MATLAB核心程序

%Pia物品a的惩罚单价

Pia = [1200,450,9000,4700];


%STOCa:物品a的存储量

STOCa = [43010.16,70850.84,14170.33,21255.18];


%Wa: 物品a的单位重量

Wa = [4,18,40,5];



%Ca: 物品a的单位体积

Ca = [0.054,0.054,0.2,0.01887];


%ra: 物品a的重要程度

ra = [0.35,0.3,0.2,0.15];


%vwm: 交通工具m的载重重量

VWm= [4100,14000];


%vcm: 交通工具m的载重体积

VCm= [45,1240];


%NVm: 初始可用交通工具数量  

NVm= [6,3];


%TCm:交通工具m的燃油费

TCm= [2.61,0.00295];


%QCm:后期租车费用

QCm= [28800,900];


%Probs: 每种情景发生的概率

Probs=[0.0270,0.063,0.063,0.147,0.063,0.147,0.147,0.343];


Mm = 100000;


%LJ:  受灾点 j 到仓库的距离

Lj=[75.4,113,204.9,121,93.2,38.1];


%在情景s的第t阶段下用交通工具m到受灾点j的路线可通

% [1,1,1,1,1,1,1;

% 1,1,1,1,1,1,1;

% 1,1,1,1,1,1,1;

% 1,1,1,1,1,1,1;

% 1,1,1,1,1,1,1;

% 1,1,1,1,1,1,1;       

% 1,1,1,1,1,1,1;

% 1,1,1,1,1,1,1;       

% 1,0,1,1,0,0,1;

% 1,0,1,1,0,0,1;

% 1,0,1,1,0,0,1;

% 1,0,1,1,0,0,1;

% 1,0,1,1,0,0,1;

% 1,0,1,1,0,0,1;       

% 1,0,1,1,0,0,1;

% 1,0,1,1,0,0,1;];


Rsjmt = zeros(M,S,T,J);

Rsjmt(1,1,1,1:6) = 1;

Rsjmt(1,1,2,1:6) = 1;

Rsjmt(1,2,1,1:6) = 1;

Rsjmt(1,2,2,1:6) = 1;

Rsjmt(1,3,1,1:6) = 1;

Rsjmt(1,3,2,1:6) = 1;

Rsjmt(1,4,1,1:6) = 1;

Rsjmt(1,4,2,1:6) = 1;

Rsjmt(1,5,1,1:6) = 1;

Rsjmt(1,5,2,1:6) = 1;

Rsjmt(1,6,1,1:6) = 1;

Rsjmt(1,6,2,1:6) = 1;

Rsjmt(1,7,1,1:6) = 1;

Rsjmt(1,7,2,1:6) = 1;

Rsjmt(1,8,1,1:6) = 1;

Rsjmt(1,8,2,1:6) = 1;


Rsjmt(2,1,1,1:6) = [1,0,1,1,0,0];

Rsjmt(2,1,2,1:6) = [1,0,1,1,0,0];

Rsjmt(2,2,1,1:6) = [1,0,1,1,0,0];

Rsjmt(2,2,2,1:6) = [1,0,1,1,0,1];

Rsjmt(2,3,1,1:6) = [1,0,1,1,0,0];

Rsjmt(2,3,2,1:6) = [1,0,1,1,1,0];

Rsjmt(2,4,1,1:6) = [1,0,1,1,0,0];

Rsjmt(2,4,2,1:6) = [1,0,1,1,1,1];

Rsjmt(2,5,1,1:6) = [1,0,1,1,0,0];

Rsjmt(2,5,2,1:6) = [1,1,1,1,0,0];

Rsjmt(2,6,1,1:6) = [1,0,1,1,0,0];

Rsjmt(2,6,2,1:6) = [1,1,1,1,0,1];

Rsjmt(2,7,1,1:6) = [1,0,1,1,0,0];

Rsjmt(2,7,2,1:6) = [1,1,1,1,1,0];

Rsjmt(2,8,1,1:6) = [1,0,1,1,0,0];

Rsjmt(2,8,2,1:6) = [1,1,1,1,1,1];


.......................................      

%变量1的限制

for s1 = 1:S

for t1 = 1:T

for m1 = 1:M

for j1 = 1:J

for a1 = 1:A

if Xsajmt(s1,t1,m1,j1,a1,i) >= max1

Xsajmt(s1,t1,m1,j1,a1,i) = max1;

end

if Xsajmt(s1,t1,m1,j1,a1,i) <= min1

Xsajmt(s1,t1,m1,j1,a1,i) = min1;

end                            

end

end

end

end

end  




%UDsajt

%UDsajt

%速度2设置

for s1 = 1:S

for t1 = 1:T

for j1 = 1:J

for a1 = 1:A

vb(s1,t1,j1,a1,i) = w*vb(s1,t1,j1,a1,i)+...

c1*rand(1)*(UDsajt_best(s1,t1,j1,a1,i)-UDsajt(s1,t1,j1,a1,i))+...

c2*rand(1)*(TUDsajt_best(s1,t1,j1,a1)-UDsajt(s1,t1,j1,a1,i));

end

end

end

end

%更新

for s1 = 1:S

for t1 = 1:T

for j1 = 1:J

for a1 = 1:A

UDsajt(s1,t1,j1,a1,i) = UDsajt(s1,t1,j1,a1,i) + vb(s1,t1,j1,a1,i);

end

end

end

end   

%变量2的限制

for s1 = 1:S

for t1 = 1:T

for j1 = 1:J

for a1 = 1:A

if UDsajt(s1,t1,j1,a1,i) >= max2

UDsajt(s1,t1,j1,a1,i) = max2;

end

if UDsajt(s1,t1,j1,a1,i) <= min2

UDsajt(s1,t1,j1,a1,i) = min2;

end                            

end

end

end

end



%QVsm

%QVsm

%速度3设置

for s1 = 1:S

for m1 = 1:M

vc(s1,m1,i) = w*vc(s1,m1,i)+...

c1*rand(1)*(QVsm_best(s1,m1,i)-QVsm(s1,m1,i))+...

c2*rand(1)*(TQVsm_best(s1,m1)-QVsm(s1,m1,i));

end

end

%更新

for s1 = 1:S

for m1 = 1:M

QVsm(s1,m1,i) = QVsm(s1,m1,i) + vc(s1,m1,i);

end

end


%变量3的限制

for s1 = 1:S

for m1 = 1:M

if QVsm(s1,m1,i) >= max3

QVsm(s1,m1,i) = max3;

end

if QVsm(s1,m1,i) <= min3

QVsm(s1,m1,i) = min3;

end                            

end

end


%Nsjmt

%Nsjmt

%速度4设置

for s1 = 1:S

for t1 = 1:T

for m1 = 1:M

for j1 = 1:J

vd(s1,t1,m1,j1,i) = w*vd(s1,t1,m1,j1,i)+...

c1*rand(1)*(Nsjmt_best(s1,t1,m1,j1,i)-Nsjmt(s1,t1,m1,j1,i))+...

c2*rand(1)*(TNsjmt_best(s1,t1,m1,j1)-Nsjmt(s1,t1,m1,j1,i));

end

end

end

end

%更新

for s1 = 1:S

for t1 = 1:T

for m1 = 1:M

for j1 = 1:J

Nsjmt(s1,t1,m1,j1,i) = Nsjmt(s1,t1,m1,j1,i) + vd(s1,t1,m1,j1,i);

end

end

end

end         

%变量4的限制

for s1 = 1:S

for t1 = 1:T

for m1 = 1:M

for j1 = 1:J

if Nsjmt(s1,t1,m1,j1,i) >= max4

Nsjmt(s1,t1,m1,j1,i) = max4;

end

if Nsjmt(s1,t1,m1,j1,i) <= min4

Nsjmt(s1,t1,m1,j1,i) = min4;

end                            

end

end

end

end  


[BsJ,Xsajmt(:,:,:,:,:,i),UDsajt(:,:,:,:,i),QVsm(:,:,i),Nsjmt(:,:,:,:,i)] = func_fitness(Xsajmt(:,:,:,:,:,i),UDsajt(:,:,:,:,i),round(QVsm(:,:,i)),round(Nsjmt(:,:,:,:,i)));


if BsJ<BsJi(i)

BsJi(i)   = BsJ;

Xsajmt_best(:,:,:,:,:,i) = Xsajmt(:,:,:,:,:,i);

UDsajt_best(:,:,:,:,i)   = UDsajt(:,:,:,:,i);

QVsm_best(:,:,i)         = QVsm(:,:,i) ;

Nsjmt_best(:,:,:,:,i)    = Nsjmt(:,:,:,:,i);  

end

if BsJi(i)<minJi

minJi   = BsJi(i);

TXsajmt_best(:,:,:,:,:,i) = Xsajmt(:,:,:,:,:,i);

TUDsajt_best(:,:,:,:,i)   = UDsajt(:,:,:,:,i);

TQVsm_best(:,:,i)         = QVsm(:,:,i) ;

TNsjmt_best(:,:,:,:,i)    = Nsjmt(:,:,:,:,i);  

end

end

Jibest(t) = minJi;

end


Xsajmt0 = Xsajmt(:,:,:,:,:,end);

UDsajt0 = UDsajt(:,:,:,:,end);

QVsm0   = round(QVsm(:,:,end));

Nsjmt0  = round(Nsjmt(:,:,:,:,end));

02_039m

©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
    沈念sama阅读 214,588评论 6赞 496
  • 死咒
    序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
    沈念sama阅读 91,456评论 3赞 389
  • 救了他两次的神仙让他今天三更去死
    文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
    开封第一讲书人阅读 160,146评论 0赞 350
  • 道士缉凶录：失踪的卖姜人
    文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
    开封第一讲书人阅读 57,387评论 1赞 288
  • 港岛之恋（遗憾婚礼）
    正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
    茶点故事阅读 66,481评论 6赞 386
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
    开封第一讲书人阅读 50,510评论 1赞 293
  • 城市分裂传说
    那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
    沈念sama阅读 39,522评论 3赞 414
  • 双鸳鸯连环套：你想象不到人心有多黑
    文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
    开封第一讲书人阅读 38,296评论 0赞 270
  • 万荣杀人案实录
    序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
    沈念sama阅读 44,745评论 1赞 307
  • 护林员之死
    正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,039评论 2赞 330
  • 白月光启示录
    正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,202评论 1赞 343
  • 活死人
    序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
    沈念sama阅读 34,901评论 5赞 338
  • 日本核电站爆炸内幕
    正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
    茶点故事阅读 40,538评论 3赞 322
  • 男人毒药：我在死后第九天来索命
    文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,165评论 0赞 21
  • 一桩弑父案，背后竟有这般阴谋
    文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,415评论 1赞 268
  • 情欲美人皮
    我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
    沈念sama阅读 47,081评论 2赞 365
  • 代替公主和亲
    正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
    茶点故事阅读 44,085评论 2赞 352

推荐阅读更多精彩内容