matlab粒子群算法程序源代码

Matlab粒子群算法程序源代码如下：

%% 参数设定
n = 30;           % 粒子数量
max_iter = 100;   % 最大迭代次数
w = 0.7;          % 惯性权重
c1 = 1.5;         % 学习因子1
c2 = 1.5;         % 学习因子2

%% 初始化粒子位置和速度
position = rand(n, 2);   % 粒子位置范围在0-1之间
velocity = zeros(n, 2);  % 初始速度为零

%% 计算适应度函数值
fitness = zeros(n, 1);
for i = 1:n
    fitness(i) = objective_function(position(i, :));
end

%% 初始化最优位置和最优适应度
pbest_position = zeros(n, 2);  % 个体最优位置
pbest_fitness = zeros(n, 1);   % 个体最优适应度
gbest_position = zeros(1, 2);  % 全局最优位置
gbest_fitness = Inf;           % 全局最优适应度

%% 迭代计算
for iter = 1:max_iter
    for i = 1:n
        % 更新速度
        velocity(i, :) = w * velocity(i, :) ...
            + c1 * rand(1) * (pbest_position(i, :) - position(i, :)) ...
            + c2 * rand(1) * (gbest_position - position(i, :));
        
        % 限制速度范围
        velocity(i, :) = max(velocity(i, :), -0.5);
        velocity(i, :) = min(velocity(i, :), 0.5);
        
        % 更新位置
        position(i, :) = position(i, :) + velocity(i, :);
        
        % 限制位置范围
        position(i, :) = max(position(i, :), 0);
        position(i, :) = min(position(i, :), 1);
        
        % 更新适应度
        fitness(i) = objective_function(position(i, :));
        
        % 更新个体最优位置和适应度
        if fitness(i) < pbest_fitness(i)
            pbest_position(i, :) = position(i, :);
            pbest_fitness(i) = fitness(i);
        end
        
        % 更新全局最优位置和适应度
        if fitness(i) < gbest_fitness
            gbest_position = position(i, :);
            gbest_fitness = fitness(i);
        end
    end
end

%% 输出结果
disp('全局最优位置:');
disp(gbest_position);
disp('全局最优适应度:');
disp(gbest_fitness);

%% 定义适应度函数
function fitness = objective_function(x)
    fitness = x(1)^2 + x(2)^2;  % 适应度计算公式
end

以上是一个简单的粒子群算法程序，其中根据问题的具体需求，可以修改参数设置、适应度函数等部分。程序使用的适应度函数示例为简单的二维函数x1^2 + x2^2，可根据实际情况进行替换。在迭代计算过程中，根据粒子当前位置和速度更新粒子位置，并根据新位置计算适应度值。同时，更新个体最优位置和适应度，以及全局最优位置和适应度。最后，输出全局最优位置和适应度作为最终结果。