pso优化算法的matlab代码全部

以下是使用MATLAB实现的PSO优化算法的完整代码，其中包括初始化、目标函数、适应度函数、更新粒子速度和位置等主要部分。

%% Parameters
max_iter = 100; % 迭代次数
pop_size = 20; % 粒子数量
w = 0.6; % 惯性权重
c1 = 2; % 学习因子1
c2 = 2; % 学习因子2
dim = 2; % 目标函数维度

%% Initialization
pos = rand(pop_size,dim); % 初始化粒子位置
vel = rand(pop_size,dim); % 初始化粒子速度
pbest = pos; % 个体最优位置
pbest_val = inf(pop_size,1); % 个体最优适应度
gbest = zeros(1,dim); % 全局最优位置
gbest_val = inf; % 全局最优适应度

%% Main loop
for iter = 1:max_iter
    % Evaluate objective function
    f_val = obj_func(pos);
    
    % Update personal best
    update = f_val < pbest_val;
    pbest_val(update) = f_val(update);
    pbest(update,:) = pos(update,:);
    
    % Update global best
    [min_val, min_idx] = min(pbest_val);
    if min_val < gbest_val
        gbest_val = min_val;
        gbest = pbest(min_idx,:);
    end
    
    % Update velocity and position
    r1 = rand(pop_size,dim);
    r2 = rand(pop_size,dim);
    vel = w*vel + c1*r1.*(pbest-pos) + c2*r2.*(gbest-pos);
    pos = pos + vel;
end

%% Objective function
function y = obj_func(x)
    y = x(:,1).^2 + x(:,2).^2;
end

在这个代码中，目标函数是一个简单的二元函数，即 $f(x_1,x_2) = x_1^2 + x_2^2$。用户可以根据自己的需求修改此函数。