基于AS-PSO算法的光伏电池最大功率点跟踪

#这个到底怎么编写matlab.程序啊，请教教我 ，，愿意付费，有偿，拜托了各位

• 看下这篇博客，也许你就懂了，链接：PSO粒子群优化算法
• 除此之外, 这篇博客: 粒子群PSO算法实验及其代码解释中的 代码解释 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

•   建立目标函数：

  function [ result ] = func_objValue( pop )
  a=pop(:,[2:30]);% 所求解函数
  b=pop(:,[1:29]);
  c=ones(1,30);
  objValue =100*sum((a-b.^2).^2,2)+sum((pop-c).^2,2);
  result = objValue ;
  end
  
  

    拟合

  function [ result ] = func_fitness( pop )%控制函数正负性
  objValue =  func_objValue(pop);
  result  =objValue ;
  end
  

    主函数。

  clear all ;
  close all ;
  clc ;
  N = 900 ; %　种群规模
  D = 30 ; % 粒子维度
  T = 1000 ; %　迭代次数
  Xmax = 30 ;
  Xmin = -30 ;
  C1 =  2; %1.5　学习因子1
  C2 = 2 ; %1.5　学习因子2
  W = 0.75 ; %0.8　惯性权重
  Vmax = 0.1 ; %10　最大飞行速度
  Vmin = -0.1 ; %-10　最小飞行速度
  popx = rand(N,D)*(Xmax-Xmin)+Xmin ; % 初始化粒子群的位置(粒子位置是一个D维向量)
  popv = rand(N,D)*(Vmax-Vmin)+Vmin ; % 初始化粒子群的速度(粒子速度是一个D维度向量) 
  % 初始化每个历史最优粒子
  pBest = popx ; 
  pBestValue = func_fitness(pBest) ; 
  %初始化全局历史最优粒子
  [gBestValue,index] = max(func_fitness(popx)) ;
  gBest = popx(index,:) ;
  for t=1:T
      for i=1:N
          % 更新个体的位置和速度
          popv(i,:) = W*popv(i,:)+C1*rand*(pBest(i,:)-popx(i,:))+C2*rand*(gBest-popx(i,:)) ;
          popx(i,:) = popx(i,:)+popv(i,:) ;
          % 边界处理，超过定义域范围就取该范围极值
          index = find(popv(i,:)>Vmax | popv(i,:)<Vmin);
          popv(i,index) = rand*(Vmax-Vmin)+Vmin ;
          index = find(popx(i,:)>Xmax | popx(i,:)<Xmin);
          popx(i,index) = rand*(Xmax-Xmin)+Xmin ;
          % 更新粒子历史最优
          if func_fitness(popx(i,:))<pBestValue(i)    
             pBest(i,:) = popx(i,:) ;
             pBestValue(i) = func_fitness(popx(i,:));
          end
         if pBestValue(i) < gBestValue
              gBest = pBest(i,:) ;
              gBestValue = pBestValue(i) ;
         end
      end
      % 每代最优解对应的目标函数值
      tBest(t) = func_objValue(gBest); 
  end
  figure
  plot(tBest);
  xlabel('迭代次数') ;
  ylabel('适应度值') ;
  title('适应度进化曲线') ;