PSO MATLAB代码

下面是一个简单的粒子群优化（PSO）的 MATLAB 代码示例：

function [x, fval] = pso(objfunc, nvars, lb, ub, maxiter)

% objfunc: 目标函数
% nvars: 变量数目
% lb: 变量下限
% ub: 变量上限
% maxiter: 最大迭代次数

% 初始化粒子群
nparticles = 20;
x = repmat(lb, nparticles, 1) + rand(nparticles, nvars) .* (repmat(ub, nparticles, 1) - repmat(lb, nparticles, 1));
v = zeros(nparticles, nvars);
p = x;
pbest = Inf(nparticles, 1);

% 迭代
for iter = 1:maxiter
    % 计算适应度
    f = arrayfun(objfunc, x(:,1), x(:,2));
    % 更新个体最优解
    mask = f < pbest;
    pbest(mask) = f(mask);
    p(mask,:) = x(mask,:);
    % 更新全局最优解
    [gbestval, gbestidx] = min(pbest);
    gbest = p(gbestidx,:);
    % 更新速度和位置
    w = 0.7 - 0.5 * iter / maxiter;
    c1 = 2;
    c2 = 2;
    v = w * v + c1 * rand(nparticles, nvars) .* (p - x) + c2 * rand(nparticles, nvars) .* (repmat(gbest, nparticles, 1) - x);
    x = x + v;
    % 约束处理
    x(x < lb) = lb(x < lb);
    x(x > ub) = ub(x > ub);
end

% 返回最优解和最优值
[fval, idx] = min(pbest);
x = p(idx,:);
end

这段代码实现了一个简单的 PSO 算法，其中 `objfunc` 是目标函数，`nvars` 是变量数目，`lb` 和 `ub` 是变量的下限和上限，`maxiter` 是最大迭代次数。其中，变量的范围由 `lb` 和 `ub` 指定。在每次迭代中，计算适应度，更新个体最优解和全局最优解，然后更新速度和位置。最后返回最优解和最优值。

需要注意的是，这个示例代码仅适用于解决二维问题。对于多维问题，需要相应地修改代码。