f(3)函数总是计算错误
`//粒子群 PSO 算法
#include<stdio.h>
#include<math.h>
#include<time.h>
#include<stdlib.h>
#define P_num 200 //粒子数目
#define dim 50
#define low -512 //搜索域范围
#define high 512
#define iter_num 1000
#define V_max 20 //速度范围
#define c1 2
#define c2 2
#define w 0.5
#define alp 1
double particle[P_num][dim]; //个体集合
double particle_loc_best[P_num][dim]; //每个个体局部最优向量
double particle_loc_fit[P_num]; //个体的局部最优适应度,有局部最优向量计算而来
double particle_glo_best[dim]; //全局最优向量
double gfit; //全局最优适应度,有全局最优向量计算而来
double particle_v[P_num][dim]; //记录每个个体的当前代速度向量
double particle_fit[P_num]; //记录每个粒子的当前代适应度
double f1(double a[]) { int i; double sum=0.0; for(i=0; i<dim; i++) { sum+=a[i]*a[i]; } return sum; }
double f2(double a[]) { int i; double sum=0.0; for(i=0;i<dim;i++) { sum=(1+(a[i]+a[i+1]+1)(a[i]+a[i+1]+1)(19-14a[i]+3a[i]a[i]-14a[i+1]+6a[i]a[i+1]+3a[i+1]a[i+1]))(30+(2a[i]-3a[i+1])(2a[i]-3a[i+1])(18-32a[i]+12a[i]a[i]+48a[i+1]-36a[i]a[i+1]+27a[i+1]*a[i+1])); } return sum; }
double f3(double a[])
{
int i;
double sum=0.0;
for(i=0;i<dim;i++)
{
sum+=-a[i]sin(sqrt(abs(a[i])));
}
return sum;
}
double fitness(double a[]) //适应度函数
{
return f2(a);
}
void initial()
{
int i,j;
for(i=0; i<P_num; i++) //随即生成粒子
{
for(j=0; j<dim; j++)
{
particle[i][j] = low+(high-low)1.0rand()/RAND_MAX; //初始化群体
particle_loc_best[i][j] = particle[i][j]; //将当前最优结果写入局部最优集合
particle_v[i][j] = -V_max+2V_max1.0rand()/RAND_MAX; //速度
}
}
for(i=0; i<P_num; i++) //计算每个粒子的适应度
{
particle_fit[i] = fitness(particle[i]);
particle_loc_fit[i] = particle_fit[i];
}
gfit = particle_loc_fit[0]; //找出全局最优
j=0;
for(i=1; i<P_num; i++)
{
if(particle_loc_fit[i]<gfit)
{
gfit = particle_loc_fit[i];
j = i;
}
}
for(i=0; i<dim; i++) //更新全局最优向量
{
particle_glo_best[i] = particle_loc_best[j][i];
}
}
void renew_particle()
{
int i,j;
for(i=0; i<P_num; i++) //更新个体位置生成位置
{
for(j=0; j<dim; j++)
{
particle[i][j] += alpparticle_v[i][j];
if(particle[i][j] > high)
{
particle[i][j] = high;
}
if(particle[i][j] < low)
{
particle[i][j] = low;
}
}
}
}
void renew_var()
{
int i, j;
for(i=0; i<P_num; i++) //计算每个粒子的适应度
{
particle_fit[i] = fitness(particle[i]);
if(particle_fit[i] < particle_loc_fit[i]) //更新个体局部最优值
{
particle_loc_fit[i] = particle_fit[i];
for(j=0; j<dim; j++) // 更新局部最优向量
{
particle_loc_best[i][j] = particle[i][j];
}
}
}
for(i=0,j=-1; i<P_num; i++) //更新全局变量
{
if(particle_loc_fit[i]<gfit)
{
gfit = particle_loc_fit[i];
j = i;
}
}
if(j != -1)
{
for(i=0; i<dim; i++) //更新全局最优向量
{
particle_glo_best[i] = particle_loc_best[j][i];
}
}
for(i=0; i<P_num; i++) //更新个体速度
{
for(j=0; j<dim; j++)
{
particle_v[i][j]=wparticle_v[i][j]+
c11.0rand()/RAND_MAX*(particle_loc_best[i][j]-particle[i][j])+
c21.0rand()/RAND_MAX*(particle_glo_best[j]-particle[i][j]);
if(particle_v[i][j] > V_max)
{
particle_v[i][j] = V_max;
}
if(particle_v[i][j] < -V_max)
{
particle_v[i][j] = -V_max;
}
}
}
}
int main()
{
freopen("result.txt","a+",stdout);
int i=0;
srand((unsigned)time(NULL));
initial();
while(i < iter_num)
{
renew_particle();
renew_var();
i++;
}
printf("粒子个数:%d\n",P_num);
printf("维度为:%d\n",dim);
printf("最优值为%.10lf\n", gfit);
return 0;
}`
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.