xiang

CLC
清除所有

关闭所有

抽动

图（1）;按住

ezplot（ X *罪（10 * PI * X）+2， [-1,2]）;

％％的参数设置

fishnum = 50％50人工鱼

MAXGEN = 50％上升到迭代次数

try_number = 100％测试频率

视觉= 1;感知距离

δ= 0.618％程度的拥堵因素

步骤= 0.1;％步

％％初始化鱼 lb_ub = [-1,2,1];

X = AF_init（fishnum，lb_ub）;

LBUB = [];

对于i = 1：尺寸（lb_ub 1）

LBUB = [LBUB repmat lb_ub（í，1:2），lb_ub（I，3），（1）];

结束

根= 1;
> BestY -1 *那些（1 MAXGEN）;％跨度的每一步最优函数值，

BestX = -1 *的（MAXGEN）;％跨度的每一步最优参数

besty = -100％最优函数

Y = AF_foodconsistence（X）;

而根<= MAXGEN

fprintf（1，为 ％d \ N ，根）对于i = 1：fishnum

％集群的行为

熹，毅] = AF_swarm（X，I，视觉，步骤，三角洲，try_number，LBUB，Y）;

％以下行为

曦2，毅] = AF_follow（X，我，视觉，步骤，三角洲，try_number，LBUB，Y）;

毅毅

X（：，我）=熹;

Y（1）=毅;

其他

X（：I）= XI2

Y（1，）=毅; />结束

结束

[YMAX，索引] =（Y）;

图（1）;

情节（X（1，？指数），YMAX ， 色 ，[GEN / MAXGEN的，0,0]）

如果YMAX besty，

besty = YMAX，

bestx = X（：，索引）;

（GEN）BestY = YMAX

[BestX（：根）] = X（：，索引）;

其他

BestY（GEN）= BestY（GEN-1）; [BestX（：根）] = BestX（：，代-1）;

根=根+1;

年底

图（bestx（1） ，besty， RO ， MarkerSize ，100）

xlabel（ X ）

ylabel（ Y ）

最佳坐标运动的称号（“鱼群算法迭代过程）

％％优化过程图

数字

的情节（1：MAXGEN besty），

xlabel（ 迭代）

ylabel （“最优值”）

标题（ 鱼群算法迭代过程 ）

DISP（“最优解X：”，num2str（bestx， ％1.5F ）]） DISP（[ 最优化的解决方案，Y： ，num2str（besty， ％1.5F ）]）
TOC

配电网故障恢复一般以恢复最多负荷为目标，当然一般目标会按照重要程度分级，粒子群算法遗传算法都可以实现咯。