合作协同进化（Cooperative Coevolution）是求解大规模优化算法一个有效的方法。将大规模问题分解为一组组较小的子问题。而合作协同进化的关键是分解策略。
合作协同进化算法请见：https://www.omegaxyz.com/2017/10/14/cooperative_coevolution/
PSO算法是粒子群优化算法。此文章是随机固定分组的合作协同进化利用PSO来优化。
比如有12个决策变量，我们固定随机优化3个决策变量，那么就将决策变量分成了4组。
MATLAB主函数代码：
MATLAB
代码语言：txt复制clear;
clc;
format long;
%------给定初始化条件--------
global M
global bound
MaxDT=100; %最大迭代次数
global Dim
Dim=22; %搜索空间维数（未知数个数）
sub_dim= 11 ;
M=30; %初始化群体个体数目
bound=1;
%global answer %最后所有粒子的结果（包括特征与精确度）
x=randn(M,Dim); %随机初始化位置
v=randn(M,Dim); %随机初始化速度
result = 1;
while MaxDT ~= 0
subgroup = rnd_divide(Dim, sub_dim);
for i=1:length(subgroup)
[sub_x, sub_v, temp_result] = PSO(x(:,subgroup{i}), v(:,subgroup{i}), sub_dim, subgroup{i});
x(:,subgroup{i}) = sub_x;
v(:,subgroup{i}) = sub_v;
if(temp_result < result)
result = temp_result;
end
end
%可以在协同进化后进行一次全局优化
%[x, v, temp_result] = PSO(x, v, Dim);
%if(temp_result < result)
% result = temp_result;
%end
MaxDT =MaxDT - 1;
end随机分组算法
MATLAB
代码语言：txt复制% random grouping
function group = rnd_divide(dim, subdim)
dim_rand = randperm(dim);
group = {};
for i = 1:subdim:dim
index = dim_rand(i:i subdim-1);
group = {group{1:end} index};
end
end其它函数依赖项与PSO算法相同，请见：https://www.omegaxyz.com/2018/01/17/matlab_pso/
