帮我写个粒子群算法C++，实现功能如下:从35个备选配送中心选择1或2或3或4个备选配送中心，发往12个需求城市，每个城市由一个备选配送中心配送（不要使用std::vector），配送方式有3种（飞机、火车、汽车），配送成本由三维矩阵组成

在C++中实现粒子群优化（Particle Swarm Optimization，PSO）来解决这个问题需要一些步骤，因为PSO是一种全局搜索优化算法，通常用于寻找函数的最小值。不过，为了简化起见，我们将创建一个基本的框架，用于表示配送中心、城市、运输方式和成本。注意，由于没有`std::vector`的要求，我们将使用数组代替。以下是简单版本的PSO算法实现：

#include <iostream>
#include <cstdlib> // 随机数生成
#include <ctime>   // 设置随机种子

// 定义配送中心、城市和运输方式结构体
struct Node {
    int id;
    double cost[3]; // 飞机、火车、汽车的成本
};

struct Delivery {
    Node center;
    int quantity; // 分配的数量（1, 2, 3, 或 4）
    Node city;
    char transport; // 'A' for 飞机, 'B' for 火车, 'C' for 汽车
};

class ParticleSwarmOptimizer {
public:
    ParticleSwarmOptimizer(Node* centers, Node* cities, int num_centers, int num_cities)
        : centers(num_centers), cities(num_cities), swarm_size(100), max_iterations(100) {}

    void optimize() {
        srand(time(nullptr)); // 初始化随机数种子

        // 创建粒子（配送方案）
        std::vector<Delivery> particles(swarm_size);
        for (int i = 0; i < swarm_size; ++i) {
            particles[i].center.id = rand() % centers->size();
            particles[i].quantity = rand() % 4 + 1; // 随机分配数量
            particles[i].city.id = rand() % cities->size(); // 随机城市
            switch (rand() % 3) { // 随机选择运输方式
                case 0: particles[i].transport = 'A'; break;
                case 1: particles[i].transport = 'B'; break;
                default: particles[i].transport = 'C'; break;
            }
        }

        // 进行迭代
        for (int iter = 0; iter < max_iterations; ++iter) {
            // 更新粒子位置
            updatePositions(particles);

            // 计算适应度并更新最佳解
            if (updateBestSolution(particles)) {
                std::cout << "Iteration " << iter+1 << ": Found a better solution!" << std::endl;
            }
        }
    }

private:
    // 更新粒子的位置和速度
    void updatePositions(std::vector<Delivery>& particles) {
        // ... 实现粒子位置和速度的更新规则
    }

    // 更新全局最佳解
    bool updateBestSolution(std::vector<Delivery>& particles) {
        // ... 根据当前粒子的成本计算是否优于全局最优
        return false; // 返回false，这里仅作为示例，你需要实现具体的评估和更新机制
    }

    Node* centers;
    Node* cities;
    int swarm_size;
    int max_iterations;
};

int main() {
    // 假设你已经有了配送中心和城市的列表
    Node centers[] = {...};
    Node cities[] = {...};
    ParticleSwarmOptimizer optimizer(centers, cities, 35, 12);
    optimizer.optimize();

    return 0;
}

这只是一个基础的框架，实际的PSO算法需要更复杂的数学运算来更新粒子的位置和速度，并且需要定义如何评估每个粒子的适应度（即总成本）。请根据实际需求填充`updatePositions`和`updateBestSolution`函数的具体实现。