粒子群算法代码matlab

粒子群算法（Particle Swarm Optimization，PSO）是一种优化算法，可以用于求解函数最优化问题。下面是一个基于Matlab的粒子群算法示例代码：

function [gbest,gbest_fit]=pso(func, dim, range, num_particles, num_iterations)
    % 初始化粒子群的位置和速度
    particles.pos = unifrnd(range(1),range(2),[num_particles,dim]);
    particles.vel = zeros(num_particles,dim);
    
    % 初始化个体最佳位置和适应度
    particles.pbest_pos = particles.pos;
    particles.pbest_fit = inf(num_particles,1);
    
    % 初始化全局最佳位置和适应度
    [pbest_fit,pbest_index] = min(func(particles.pbest_pos));
    gbest = particles.pbest_pos(pbest_index,:);
    gbest_fit = pbest_fit;
    
    % 开始迭代
    for iter=1:num_iterations
        for i=1:num_particles
            % 更新速度
            particles.vel(i,:) = particles.vel(i,:) + ...
                2*rand(1,dim).*(particles.pbest_pos(i,:)-particles.pos(i,:)) + ...
                2*rand(1,dim).*(gbest-particles.pos(i,:));
            
            % 更新位置
            particles.pos(i,:) = particles.pos(i,:) + particles.vel(i,:);
            
            % 边界处理
            particles.pos(i,:) = min(max(particles.pos(i,:), range(1)), range(2));
            
            % 更新个体最佳位置和适应度
            curr_fit = func(particles.pos(i,:));
            if curr_fit < particles.pbest_fit(i)
                particles.pbest_pos(i,:) = particles.pos(i,:);
                particles.pbest_fit(i) = curr_fit;
            end
            
            % 更新全局最佳位置和适应度
            if curr_fit < gbest_fit
                gbest = particles.pos(i,:);
                gbest_fit = curr_fit;
            end
        end
    end
end

% 使用示例
func = @(x) sum(x.^2, 2);  % 目标函数为多元变量的平方和
dim = 2;  % 变量维数
range = [-5, 5];  % 变量取值范围
num_particles = 50;  % 粒子数目
num_iterations = 100;  % 迭代次数

[gbest, gbest_fit] = pso(func, dim, range, num_particles, num_iterations);
disp('全局最佳位置：');
disp(gbest);
disp('全局最佳适应度：');
disp(gbest_fit);

该代码实现了一个简单的粒子群算法，用于求解函数最优化问题。用户需要指定目标函数、变量维数、变量取值范围、粒子数目和迭代次数。程序会返回全局最佳位置和适应度。在示例中，目标函数为多元变量的平方和，变量维数为2，取值范围为-5到5，粒子数目为50，迭代次数为100。用户可以根据具体问题进行相应的修改和扩展。