小生境pso matlab

以下是一个简单的 MATLAB 实现粒子群优化算法（PSO）的示例代码：

function [x, fval] = pso(fitnessfcn, lb, ub, options)
% PSO 粒子群优化算法
% fitnessfcn：适应度函数
% lb：变量下界
% ub：变量上界
% options：参数
% x：最优解
% fval：最优解对应的适应度值

% 默认参数设置
defaultoptions = struct('swarmsize', 50, 'c1', 2, 'c2', 2, 'maxiter', 100, 'tol', 1e-6);

% 设置参数
if nargin < 4
    options = [];
end
options = setstructfields(defaultoptions, options);

% 初始化粒子群
swarmsize = options.swarmsize;
maxiter = options.maxiter;
tol = options.tol;
c1 = options.c1;
c2 = options.c2;
dim = length(lb);
x = repmat(lb, swarmsize, 1) + rand(swarmsize, dim) .* repmat(ub - lb, swarmsize, 1);
v = rand(swarmsize, dim) .* repmat(ub - lb, swarmsize, 1) / 2;

% 计算初始适应度值
fval = feval(fitnessfcn, x);
pbest = x;
pbestfval = fval;
[gbestfval, gbestindex] = min(fval);
gbest = x(gbestindex, :);

% 迭代计算
for iter = 1 : maxiter
    % 更新速度和位置
    v = v + c1 * rand(swarmsize, dim) .* (pbest - x) + c2 * rand(swarmsize, dim) .* repmat(gbest - x(gbestindex, :), swarmsize, 1);
    x = x + v;
    
    % 边界处理
    x = max(x, repmat(lb, swarmsize, 1));
    x = min(x, repmat(ub, swarmsize, 1));
    
    % 计算适应度值
    fval = feval(fitnessfcn, x);
    
    % 更新个体最优解和全局最优解
    updateindex = pbestfval > fval;
    pbest(updateindex, :) = x(updateindex, :);
    pbestfval(updateindex) = fval(updateindex);
    [curgbestfval, curgbestindex] = min(fval);
    if curgbestfval < gbestfval
        gbestfval = curgbestfval;
        gbestindex = curgbestindex;
        gbest = x(gbestindex, :);
    end
    
    % 粒子群是否收敛
    if max(abs(pbestfval - gbestfval)) < tol
        break
    end
end

x = gbest;
fval = gbestfval;
end

function s = setstructfields(s, t)
% 将结构体 t 中的参数添加到结构体 s 中
fnames = fieldnames(t);
for i = 1 : length(fnames)
    if isfield(s, fnames{i})
        s.(fnames{i}) = t.(fnames{i});
    end
end
end

使用示例：

% 目标函数
fitnessfcn = @(x) sum(x .^ 2, 2);

% 参数设置
options = struct('swarmsize', 50, 'c1', 2, 'c2', 2, 'maxiter', 1000, 'tol', 1e-6);

% 变量下界和上界
lb = [-5, -5];
ub = [5, 5];

% 运行 PSO
[x, fval] = pso(fitnessfcn, lb, ub, options);

% 显示结果
fprintf('最优解：\n');
disp(x);
fprintf('最优解对应的适应度值：\n');
disp(fval);

这是一个简单的示例，你可以根据自己的需求修改参数和适应度函数。同时，PSO 算法也有许多改进版本，如改进的 PSO（IPSO）、多策略 PSO（MSPSO）等，可以根据实际情况选择不同的算法。