粒子群算法 程序 matlab

粒子群优化算法（Particle Swarm Optimization，简称PSO）是一种基于群体智能的优化算法，它模拟了鸟群觅食的行为，通过多个粒子在搜索空间中的迭代移动来寻找最优解。

以下是一个使用Matlab实现粒子群优化算法的简单示例程序：

% 目标函数
function f = objective(x)
    f = x^2;
end

% 粒子群算法函数
function [gbest, gbest_value] = pso()
    % 参数设置
    num_particles = 50;  % 粒子个数
    max_iter = 100;      % 最大迭代次数
    c1 = 2;              % 学习因子1
    c2 = 2;              % 学习因子2
    w = 0.5;             % 惯性权重

    % 初始化粒子位置和速度
    particles = rand(num_particles, 1) * 10;
    velocities = zeros(num_particles, 1);

    pbest = particles;  % 个体最优位置
    pbest_value = objective(particles);  % 个体最优值

    [~, gbest_index] = min(pbest_value);  % 全局最优位置的索引
    gbest = pbest(gbest_index);  % 全局最优位置
    gbest_value = pbest_value(gbest_index);  % 全局最优值

    % 迭代更新
    for iter = 1:max_iter
        % 更新速度和位置
        for i = 1:num_particles
            velocities(i) = w * velocities(i) + c1 * rand() * (pbest(i) - particles(i)) + c2 * rand() * (gbest - particles(i));
            particles(i) = particles(i) + velocities(i);
        end

        % 更新个体最优位置和全局最优位置
        values = objective(particles);
        update_indices = values < pbest_value;
        pbest(update_indices) = particles(update_indices);
        pbest_value(update_indices) = values(update_indices);

        [~, update_index] = min(pbest_value);
        gbest = pbest(update_index);
        gbest_value = pbest_value(update_index);

        % 输出当前迭代结果
        fprintf('Iteration %d: gbest = %f, gbest_value = %f\n', iter, gbest, gbest_value);
    end
end

% 调用粒子群算法函数
[gbest, gbest_value] = pso();

在这个示例程序中，目标函数为f(x) = x^2，需要最小化该函数。通过调用pso函数，可以得到最优解gbest和对应的最优值gbest_value。程序会输出每次迭代的全局最优位置和对应的最优值。

你可以根据实际情况修改目标函数和相关参数来适应不同的问题。希望能对你有所帮助！