已知十个无人机目标的三维坐标和威胁度，使用粒子群算法，基于matlab2020建立无人机集群的威胁“重心”仿真代码

以下是一个简单的基于粒子群算法的无人机集群威胁“重心”仿真代码，其中使用了Matlab 2020：

% 设置无人机目标数量
target_num = 10;

% 设置最大迭代次数
max_iter = 1000;

% 设置惯性权重
w_max = 0.9;
w_min = 0.4;

% 设置学习因子
c1 = 2.0;
c2 = 2.0;

% 初始化粒子数量
particle_num = 20;

% 初始化粒子位置和速度矩阵
positions = rand(particle_num, target_num * 3);
velocities = zeros(particle_num, target_num * 3);

% 初始化每个粒子的最佳位置和最佳适应度
particle_best_positions = positions;
particle_best_fitnesses = zeros(particle_num, 1);

% 初始化全局最佳位置和最佳适应度
global_best_position = zeros(1, target_num * 3);
global_best_fitness = 0;

% 初始化目标的三维坐标和威胁度
targets = rand(target_num, 3);
threat_levels = rand(target_num, 1);

% 开始迭代
for iter = 1:max_iter
    % 计算每个粒子的适应度
    fitnesses = zeros(particle_num, 1);
    for i = 1:particle_num
        fitnesses(i) = fitness(positions(i, :), targets, threat_levels);
        
        % 更新每个粒子的最佳位置和最佳适应度
        if fitnesses(i) > particle_best_fitnesses(i)
            particle_best_positions(i, :) = positions(i, :);
            particle_best_fitnesses(i) = fitnesses(i);
        end
        
        % 更新全局最佳位置和最佳适应度
        if fitnesses(i) > global_best_fitness
            global_best_position = positions(i, :);
            global_best_fitness = fitnesses(i);
        end
    end
    
    % 更新粒子速度和位置
    w = w_max - (w_max - w_min) * iter / max_iter;
    for i = 1:particle_num
        r1 = rand(1, target_num * 3);
        r2 = rand(1, target_num * 3);
        velocities(i, :) = w * velocities(i, :) + c1 * r1 .* (particle_best_positions(i, :) - positions(i, :)) + c2 * r2 .* (global_best_position - positions(i, :));
        positions(i, :) = positions(i, :) + velocities(i, :);
    end
end

% 计算最终的威胁“重心”
centroid = zeros(1, 3);
for i = 1:target_num
    centroid = centroid + threat_levels(i) * targets(i, :);
end
centroid = centroid / sum(threat_levels);

% 计算粒子的适应度函数
function f = fitness(position, targets, threat_levels)
    f = 0;
    for i = 1:size(targets, 1)
        target_pos = targets(i, :);
        target_threat = threat_levels(i);
        drone_pos = position((i - 1) * 3 + 1:i * 3);
        f = f + target_threat / norm(target_pos - drone_pos);
    end
end

该代码使用了一个fitness函数来计算每个粒子的适应度，该适应度函数基于每个无人机目标的三维坐标和威胁度。然后使用粒子群算法来更新每个粒子的速度和位置，并计算出最终的威胁“重心”。

请注意，此代码仅用于演示，可能需要根据实际需求进行修改和调整。