- 上一篇：STM32扫地机器人的设计+程序
- 下一篇：STM32智能两轮平衡小车控制系统设计+程序+电路图
（6）惯性权重：决定对粒子流速的数量，一般可以采用恒定的或者线性递减等。
2.2基本粒子群算法
（1）算法原理
通过不断改变的学习因子C1，C2和W的惯性权重基本的粒子群算法，粒子会因为公式2-2更新自己的速度和位置。
（2-2）
（2）算法步骤
2.1初始化随机种群里的各微粒的速度和位置；
2.2评价每个微粒的适应度，把当时每个微粒的位置和适应值存在每个微粒的 之中，然后把所有 里的适应值中的最优个体的位置和适应值存在gbest里；
2.3使用2-2的公式更新粒子的速度和位移；
2.4将每个微粒的适应值和它经过的最好的位置进行比较，如果更好，就使之成为当前的最好位置；
2.5对比当前所有的 和 的值，然后更新 ；
2.6如果停止条件被满足（通常是到了设定精度或迭代次数），停止，输出结果，反之就返回2.3继续搜素。
（3）算法的MATLAB实现
在MATLAB中编程实现的基本粒子群优化函数为：PSO。
调用格式： =PSO(fitness,N,c1,c2,w,M,D)其中
fitness：待优化的目标函数；
N：粒子数目；
c1：学习因子1；
c2：学习因子2；
w：惯性权重；
M：最大迭代次数；
D：自变量的个数；
xm：目标函数取最小值时的自变量值；
fv：目标函数的最小值；
基本粒子群算法的MATLA代码见附录一
2.3带压缩因子的粒子群算法
（1）算法原理
Clerc构造了收缩因子，并将它引入了PSO算法，它的速度更新公式为：
（2-3）
（2）算法步骤
2.1随机初始种群里的各微粒的位置和速度；
2.2评价每个微粒的适应度，把当时每个微粒的位置和适应值存在每个微粒的 之中，然后把所有 里的适应值中的最优个体的位置和适应值存在gbest里；
2.3使用2-3和2-31公式更新粒子的速度和位移；
2.4将每个微粒的适应值和它经过的最好的位置进行比较，如果更好，就使之成为当前的最好位置；
2.5对比当前所有的 和 的值，然后更新 ；源-自/751+文,论^文'网]www.751com.cn
2.6如果满足停止条件（一般是到了设定的运算精度或者是迭代次数），则停止，输出结果，反之就返回2.3继续搜素。
（3）算法的MATLAB实现
在MATLAB中编程实现的带压缩因子的粒子群优化函数为：YSPSO。
调用格式： =YSPSO(fitness,N,c1,c2,w,M,D)其中
fitness：待优化的目标函数；
N：粒子数目；
c1：学习因子1；
c2：学习因子2；
w：惯性权重；
M：最大迭代次数；
D：自变量的个数；
：目标函数取最小值时的自变量值；
：目标函数的最小值；
带压缩因子的粒子群算法的MATLAB代码见附录二
2.4线性递减权重粒子群算法
（1）算法原理
由于惯性因子过大会利于跳出局部的极小点，便于全局搜素，而惯性因子过小就会利于在当前区域搜素的精确性提高，