资源约束下的调度问题matlab源码

%% 清空环境 clc clear

%% 参数初始化

%粒子群算法中的两个参数 c1 = 1.49445; c2 = 1.49445;

maxgen=300; %进化次数 sizepop=20; %种群规模 Vmax=0.5; Vmin=-0.5; popmax=2; popmin=-2; ws=0.9; we=0.4;

for k=1:100

%% 产生初始粒子和速度 k

for i=1:sizepop

%随机产生一个种群

pop(i,:)=2*rands(1,2); %初始种群 V(i,:)=0.5*rands(1,2); %初始化速度 %计算适应度

fitness(i)=fun(pop(i,:)); %染色体的适应度 end

%% 个体极值和群体极值

[bestfitness bestindex]=max(fitness); zbest=pop(bestindex,:); %全局最佳 gbest=pop; %个体最佳

fitnessgbest=fitness; %个体最佳适应度值 fitnesszbest=bestfitness; %全局最佳适应度值

%% 迭代寻优 for i=1:maxgen

w=ws-(ws-we)*i/maxgen;

for j=1:sizepop

%速度更新

V(j,:) = V(j,:) + c1*rand*(gbest(j,:) - pop(j,:)) + c2*rand*(zbest - pop(j,:)); V(j,find(V(j,:)>Vmax))=Vmax; V(j,find(V(j,:)

%种群更新

pop(j,:)=pop(j,:)+V(j,:);

pop(j,find(pop(j,:)>popmax))=popmax; pop(j,find(pop(j,:)

%适应度值

fitness(j)=fun(pop(j,:));

end

for j=1:sizepop

%个体最优更新

if fitness(j) > fitnessgbest(j) gbest(j,:) = pop(j,:);

fitnessgbest(j) = fitness(j); end

%群体最优更新

if fitness(j) > fitnesszbest zbest = pop(j,:);

fitnesszbest = fitness(j); end end

yy(i)=fitnesszbest;

end

s(k,:)=yy; end

%% 结果分析 for m=1:300

s(101,m)=sum( s(:,m) )/100; end

plot(s(101,:),'b-')

title('最优个体适应度','fontsize',12);

xlabel('进化代数','fontsize',12);ylabel('适应度','fontsize',12);