① MATLAB中使用PSO的工具箱编程中遇到的问题
目标函数计算里面维数不一样 把az的分号去掉 看看结果是什么 是否是一个行向量
② 遗传算法工具箱的具体使用
matlab遗传算法工具箱函数及实例讲解 核心函数：
(1)function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始种群的生成函数
【输出参数】
pop--生成的初始种群
【输入参数】
num--种群中的个体数目
bounds--代表变量的上下界的矩阵
eevalFN--适应度函数
eevalOps--传递给适应度函数的参数
options--选择编码形式(浮点编码或是二进制编码)[precision F_or_B],如
precision--变量进行二进制编码时指定的精度
F_or_B--为1时选择浮点编码，否则为二进制编码,由precision指定精度)
(2)function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,...
termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遗传算法函数
【输出参数】
x--求得的最优解
endPop--最终得到的种群
bPop--最优种群的一个搜索轨迹
【输入参数】
bounds--代表变量上下界的矩阵
evalFN--适应度函数
evalOps--传递给适应度函数的参数
startPop-初始种群
opts[epsilon prob_ops display]--opts(1:2)等同于initializega的options参数，第三个参数控制是否输出，一般为0。如[1e-6 1 0]
termFN--终止函数的名称,如['maxGenTerm']
termOps--传递个终止函数的参数,如[100]
selectFN--选择函数的名称,如['normGeomSelect']
selectOps--传递个选择函数的参数,如[0.08]
xOverFNs--交叉函数名称表，以空格分开，如['arithXover heuristicXover simpleXover']
xOverOps--传递给交叉函数的参数表，如[2 0;2 3;2 0]
mutFNs--变异函数表，如['boundaryMutation multiNonUnifMutation nonUnifMutation unifMutation']
mutOps--传递给交叉函数的参数表,如[4 0 0;6 100 3;4 100 3;4 0 0]
【问题】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0<=x<=9
【分析】选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为0.95,变异概率为0.08
【程序清单】
%编写目标函数
function[sol,eval]=fitness(sol,options)
x=sol(1);
eval=x+10*sin(5*x)+7*cos(4*x);
%把上述函数存储为fitness.m文件并放在工作目录下
initPop=initializega(10,[0 9],'fitness');%生成初始种群，大小为10
[x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,'normGeomSelect',...
[0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25次遗传迭代
运算借过为：x =
7.8562 24.8553(当x为7.8562时，f（x）取最大值24.8553)
注：遗传算法一般用来取得近似最优解，而不是最优解。
遗传算法实例2
【问题】在－5<=Xi<=5,i=1,2区间内，求解
f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2+x2.^2)))-exp(0.5*(cos(2*pi*x1)+cos(2*pi*x2)))+22.71282的最小值。
【分析】种群大小10，最大代数1000，变异率0.1,交叉率0.3
【程序清单】
％源函数的matlab代码
function [eval]=f(sol)
numv=size(sol,2);
x=sol(1:numv);
eval=-20*exp(-0.2*sqrt(sum(x.^2)/numv)))-exp(sum(cos(2*pi*x))/numv)+22.71282;
%适应度函数的matlab代码
function [sol,eval]=fitness(sol,options)
numv=size(sol,2)-1;
x=sol(1:numv);
eval=f(x);
eval=-eval;
%遗传算法的matlab代码
bounds=ones(2,1)*[-5 5];
[p,endPop,bestSols,trace]=ga(bounds,'fitness')
注：前两个文件存储为m文件并放在工作目录下，运行结果为
p =
0.0000 -0.0000 0.0055
大家可以直接绘出f(x)的图形来大概看看f（x）的最值是多少，也可是使用优化函数来验证。matlab命令行执行命令：
fplot('x+10*sin(5*x)+7*cos(4*x)',[0,9])
③ 怎么用pso工具箱求解约束问题
话说如果你还有限制条件的话，一般在pso主程序中加入，因为你速度位置更新完后不约束粒子位置的话会跳出解空间。所以你所说的限制条件应该在主程序哩加入，而不是适应度函数（测试函数）。
④ pso lssvm工具箱怎么调用
LS-SVM是什么，题主随便搜索一下就应该知道了埃。。 LS-SVM 是 Least Squares Support Vector Machines 的缩写
⑤ matlab pso工具箱怎么用
直接复制到当前文件夹里，就可以运行。或是通过安装工具箱的方式进行
⑥ 粒子群算法 matlab 工具箱 在哪调用 还是没有现成的需要自己下载
http://www.mathworks.com/matlabcentral/fileexchange/7506
这个基复本上快算是官方的制了。粒子群算法工具。注册以后就可以下载了。
⑦ 请教关于陆振波的“群体智能算法”Matlab工具箱如何使用
直接在命令窗口里边输入gatool就行了，用遗传算法还可以使用ga函数，具体使用格式可以在help系统版里看ga，你还权可以按照如下步骤打开遗传算法工具箱：1，打开MATLAB，2点击左下方的START按钮 3，点toolboxes，打
⑧ 最近在学PSO工具箱，在网上找到了PSOt以及使用简介，我不明白的是，如果还有线性约束该怎么写
我觉得复在粒子群初始化之前就要限制定可行域，这样才能在可行域中随机初始化多个粒子，如果是本题的话，首先可以先让y在-50到50之间随机取值，然后x的取值范围就是在min（-20-2y，-50）到min（60-y，50）之间随机取值，希望能帮到你
⑨ PSO工具箱中,如何添加等式约束条件
1条回答
首先回答你第一个问题：怎么加入变量的约束条件？
打开遗传算法工具箱的窗体中会有下图所示的选项，即是约束条件的编辑
至于添加的方式，这里要重点的提一下，首先将问题抽象成规划问题的标准形式（如果你不懂什么是标准形式的话，建议你去翻阅运筹学那本书，上告诉你什么是标准形式），然后用矩阵语言写出来，最后将矩阵的系数填写到线性不等约束和线性相等约束中，同时定义所求变量x的上界和下界（记住有多少个变量就有多少列，如果你发现有些条件中没有出现某些变量，那么就应该用0补足，这个是matlab解决规划问题与lingo想比较麻烦的一个地方，）。
然后回答你第二个问题：可否在M文件中添加约束条件？
当然可以，界面的东西是为了方便不熟悉matlab编程的人而设计出来的，但是其底层的算法和接口肯定是有的。
碰到不懂的函数，请记得：help 函数名
help ga 之后会得到一下一些函数
ga
Find minimum of function using genetic algorithm //这个是定义
Syntax // 这个是语法也即是调用的规则
x = ga(fitnessfcn,nvars)
x = ga(fitnessfcn,nvars,A,b)
x = ga(fitnessfcn,nvars,A,b,Aeq,beq)
x = ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB)
x = ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon)
x = ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon,options)
x = ga(problem)
[x,fval] = ga(...)
[x,fval,exitflag] = ga(...)
直接给你将最长的那个吧
x = ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon,options)
X是返回所求的解
fitnessfcn是适应度函数
nvars是适应度函数中所含变量的维数
A是不等式约束中变量的系数矩阵，b是不等式约束中不含变量的值矩阵
Aeq是等式约束中变量的系数矩阵，beq是等式约束中不含变量的值矩阵
LB是下界，UB是上界
nonlcon 是非线性约束条件
至于options嘛 我也木有用过，其实你也可以不用管的。
懂了木有呢，亲？
⑩ 我利用粒子群算法工具箱求解最优值时陷入了局部最优该如何解决
粒子群陷入局部最优在所难免，建议可以采取加大权重因子的方法，或者一些改进的粒子群算法会提出对收敛的种群进行干扰，从而产生新的种群，另外可以采用量子粒子群算法，在局部最优问题上解决的还算可以