粒子群优化算法matlab代码

以下是一个简单的粒子群优化算法的 MATLAB 代码示例：

function [gbest, fit_gbest] = PSO(fun, dim, lb, ub, max_iter, pop_size)
    % 初始化种群
    pop = lb + (ub - lb) .* rand(pop_size, dim);
    % 初始化速度
    v = zeros(pop_size, dim);
    % 初始化个体最优位置和适应度
    pbest = pop;
    fit_pbest = feval(fun, pbest);
    % 初始化全局最优位置和适应度
    [fit_gbest, gbest_idx] = min(fit_pbest);
    gbest = pbest(gbest_idx,:);
    % 迭代
    for i = 1:max_iter
        % 更新速度和位置
        v = v + rand(pop_size, dim) .* (pbest - pop) + rand(pop_size, dim) .* (gbest - pop);
        pop = pop + v;
        % 边界处理
        pop(pop < lb) = lb(pop < lb);
        pop(pop > ub) = ub(pop > ub);
        % 计算适应度
        fit_pop = feval(fun, pop);
        % 更新个体最优位置和适应度
        idx = fit_pop < fit_pbest;
        pbest(idx,:) = pop(idx,:);
        fit_pbest(idx) = fit_pop(idx);
        % 更新全局最优位置和适应度
        [tmp_fit, tmp_idx] = min(fit_pbest);
        if tmp_fit < fit_gbest
            fit_gbest = tmp_fit;
            gbest = pbest(tmp_idx,:);
        end
    end
end

其中，`fun` 是要优化的目标函数，`dim` 是变量的维度，`lb` 和 `ub` 分别是变量的下界和上界，`max_iter` 是最大迭代次数，`pop_size` 是种群大小。

使用时只需要将优化目标函数写成 MATLAB 函数形式，并调用 `PSO` 函数即可。例如，要优化的目标函数为 Rosenbrock 函数，则代码如下：

function f = rosenbrock(x)
    f = sum(100 * (x(2:end) - x(1:end-1).^2).^2 + (1 - x(1:end-1)).^2);
end

[gbest, fit_gbest] = PSO(@rosenbrock, 2, [-5,-5], [5,5], 100, 50);

其中，`@rosenbrock` 表示 Rosenbrock 函数，`2` 表示变量的维度，`[-5,-5]` 和 `[5,5]` 分别是变量的下界和上界，`100` 是最大迭代次数，`50` 是种群大小。优化结果保存在 `gbest` 和 `fit_gbest` 中。