实现一个matalb粒子群代码函数包，并注明每个变量的代表含义

以下是一个简单的matlab粒子群函数包的实现，其中包含了注释以表示每个变量的含义。

function [gbest, gbest_val, iter] = PSO(func, num_particles, num_dimensions, bounds, max_iter, w, c1, c2)
% PSO 粒子群算法优化函数
% 
% [gbest, gbest_val, iter] = PSO(func, num_particles, num_dimensions, bounds, max_iter, w, c1, c2)
% 
% func: 目标函数句柄，例如 @rastrigin
% num_particles: 粒子数
% num_dimensions: 每个粒子的维度
% bounds: 取值范围，例如 [-5.12 5.12]
% max_iter: 最大迭代次数
% w: 惯性系数
% c1: 个体学习因子
% c2: 全局学习因子
%
% gbest: 最优解
% gbest_val: 最优解的函数值
% iter: 实际迭代次数

% 初始化粒子群
x = rand(num_particles, num_dimensions) .* (bounds(2) - bounds(1)) + bounds(1); % 随机初始化粒子位置
v = rand(num_particles, num_dimensions) .* (bounds(2) - bounds(1)) + bounds(1); % 随机初始化粒子速度
pbest = x; % 个体最优解初始化为当前位置
pbest_val = Inf(num_particles, 1); % 初始化个体最优解的函数值为正无穷
gbest = zeros(1, num_dimensions); % 全局最优解初始化为全零
gbest_val = Inf; % 初始化全局最优解的函数值为正无穷

% 迭代优化
for iter = 1:max_iter
    % 更新粒子速度和位置
    r1 = rand(num_particles, num_dimensions);
    r2 = rand(num_particles, num_dimensions);
    v = w * v + c1 * r1 .* (pbest - x) + c2 * r2 .* (gbest - x);
    x = x + v;
    x(x < bounds(1)) = bounds(1);
    x(x > bounds(2)) = bounds(2);
    
    % 更新个体最优解和全局最优解
    for i = 1:num_particles
        fval = feval(func, x(i, :));
        if fval < pbest_val(i)
            pbest(i, :) = x(i, :);
            pbest_val(i) = fval;
        end
        if fval < gbest_val
            gbest = x(i, :);
            gbest_val = fval;
        end
    end
end
end

在这个函数包中，我们定义了以下变量：

- `func`：目标函数句柄，例如 `@rastrigin`。
- `num_particles`：粒子数。
- `num_dimensions`：每个粒子的维度。
- `bounds`：取值范围，例如 `[-5.12 5.12]`。
- `max_iter`：最大迭代次数。
- `w`：惯性系数。
- `c1`：个体学习因子。
- `c2`：全局学习因子。
- `gbest`：最优解。
- `gbest_val`：最优解的函数值。
- `iter`：实际迭代次数。

在函数包的主体部分，我们首先根据输入的参数初始化粒子群，并在迭代过程中更新粒子的速度和位置。同时，我们也不断更新个体最优解和全局最优解。最后，函数返回最优解、最优解的函数值以及实际迭代次数。