用matlab实现粒子群优化求Griewank函数的最小值

以下是用MATLAB实现粒子群优化求Griewank函数的最小值的代码：

% 定义Griewank函数，x为自变量，输出为函数值
function y = griewank(x)
n = length(x);
sum1 = 0;
sum2 = 1;
for i = 1:n
    sum1 = sum1 + x(i)^2/4000;
    sum2 = sum2*cos(x(i)/sqrt(i));
end
y = sum1 - sum2 + 1;

% 参数设置
n = 30; % 自变量维数
N = 50; % 粒子数
w = 0.8; % 惯性因子
c1 = 2; % 学习因子
c2 = 2; % 学习因子
max_iter = 500; % 最大迭代次数

% 初始化粒子位置和速度
x = rand(N,n)*600-300; % 粒子位置范围为[-300,300]
v = rand(N,n)*600-300; % 粒子速度范围为[-300,300]

% 初始化个体最优位置和全局最优位置
pbest = x;
gbest = x(1,:);
pbest_value = griewank(x);
[global_min, global_min_index] = min(pbest_value);
gbest = pbest(global_min_index,:);

% 粒子群优化迭代
for iter = 1:max_iter
    % 更新粒子速度和位置
    r1 = rand(N,n);
    r2 = rand(N,n);
    v = w*v + c1*r1.*(pbest-x) + c2*r2.*(repmat(gbest,N,1)-x);
    x = x + v;
    
    % 边界处理
    x(x>300) = 300;
    x(x<-300) = -300;
    
    % 更新个体最优位置和全局最优位置
    new_pbest_value = griewank(x);
    update_index = new_pbest_value < pbest_value;
    pbest(update_index,:) = x(update_index,:);
    pbest_value(update_index) = new_pbest_value(update_index);
    [global_min, global_min_index] = min(pbest_value);
    gbest = pbest(global_min_index,:);
end

% 输出结果
disp(['最优解为：', num2str(gbest)]);
disp(['最小值为：', num2str(global_min)]);

在运行上述代码后，MATLAB命令窗口将输出求得的最优解和最小值。