写一个用自适应变异粒子群法求解关于四维变量X的函数的最小值的代码 MATLAB

以下是使用 MATLAB 编写的自适应变异粒子群算法求解四维变量函数最小值的代码：

function [xmin, fmin] = AdaptiveMutationPSO()
% 优化函数
objFunc = @(x) (x(1)^2 + x(2)^2 + x(3)^2 + x(4)^2);

% 参数设置
maxIter = 100;           % 最大迭代次数
popSize = 30;            % 粒子群规模
wMax = 0.9;              % 惯性权重上界
wMin = 0.4;              % 惯性权重下界
c1 = 2;                  % 自我学习因子
c2 = 2;                  % 社会学习因子
mu = 0.05;               % 变异率
sigmaMax = 0.2;          % 变异范围上界
sigmaMin = 0.001;        % 变异范围下界
k = 10;                  % 突变邻域大小

% 初始化粒子群
pop = rand(popSize, 4);   % 初始位置随机生成
vel = zeros(popSize, 4);  % 初始速度为零

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

% 初始化个体最优位置和适应度
pBest = pop;
pBestFit = fit;

% 初始化全局最优位置和适应度
[gBestFit, gBestIndex] = min(fit);
gBest = pop(gBestIndex,:);

% 迭代
for iter = 1:maxIter
    % 更新惯性权重
    w = wMax - (wMax - wMin) * iter / maxIter;
    
    % 粒子位置更新
    vel = w .* vel + c1 .* rand(popSize, 4) .* (pBest - pop) + ...
          c2 .* rand(popSize, 4) .* (repmat(gBest, popSize, 1) - pop);
    pop = pop + vel;
    
    % 限制粒子位置范围
    for i = 1:popSize
        for j = 1:4
            if pop(i,j) < -10
                pop(i,j) = -10;
                vel(i,j) = 0;
            elseif pop(i,j) > 10
                pop(i,j) = 10;
                vel(i,j) = 0;
            end
        end
    end
    
    % 计算适应度
    for i = 1:popSize
        fit(i) = objFunc(pop(i,:));
    end
    
    % 更新个体最优位置和适应度
    for i = 1:popSize
        if fit(i) < pBestFit(i)
            pBest(i,:) = pop(i,:);
            pBestFit(i) = fit(i);
        end
    end
    
    % 更新全局最优位置和适应度
    [tempFit, tempIndex] = min(fit);
    if tempFit < gBestFit
        gBestFit = tempFit;
        gBestIndex = temp