matlab实现CPSO，其中动态存储适应度最优的五个解，

以下是使用Matlab实现CPSO，并动态存储适应度最优的五个解的示例代码：

% 初始化参数
popSize = 50; % 种群大小
maxIter = 100; % 迭代次数
w = 0.6; % 惯性权重
c1 = 1.5; % 自我认知因子
c2 = 1.5; % 社会认知因子
dim = 10; % 变量维度
lb = -10; % 变量下界
ub = 10; % 变量上界
numBest = 5; % 动态存储适应度最优的五个解

% 初始化种群和速度
pop = rand(popSize, dim) * (ub - lb) + lb;
vel = zeros(popSize, dim);

% 计算初始适应度
fit = zeros(popSize, 1);
for i = 1:popSize
    fit(i) = fitnessFunc(pop(i,:));
end

% 动态存储适应度最优的五个解
bestPop = zeros(numBest, dim);
bestFit = inf(numBest, 1);
for i = 1:popSize
    for j = 1:numBest
        if fit(i) < bestFit(j)
            bestPop(j,:) = pop(i,:);
            bestFit(j) = fit(i);
            break;
        end
    end
end

% 迭代
for iter = 1:maxIter
    % 更新速度和位置
    for i = 1:popSize
        vel(i,:) = w * vel(i,:) + c1 * rand(1,dim) .* (bestPop(1,:) - pop(i,:)) + c2 * rand(1,dim) .* (bestPop(randi(numBest),:) - pop(i,:));
        pop(i,:) = pop(i,:) + vel(i,:);
        
        % 边界处理
        pop(i,pop(i,:) < lb) = lb;
        pop(i,pop(i,:) > ub) = ub;
        
        % 计算适应度
        fit(i) = fitnessFunc(pop(i,:));
        
        % 更新最优解
        for j = 1:numBest
            if fit(i) < bestFit(j)
                bestPop(j,:) = pop(i,:);
                bestFit(j) = fit(i);
                break;
            end
        end
    end
    
    % 显示当前最优解
    disp(['Iteration ', num2str(iter), ': best fitness = ', num2str(bestFit(1))]);
end

其中，fitnessFunc是适应度函数。在每次迭代中，我们先更新种群中所有粒子的速度和位置。然后计算新位置的适应度，并更新动态存储的最优解。最后输出当前最优解的适应度，以便跟踪算法的收敛情况。