请提供一个粒子群算法，我需要它能在simulink 中的matlab function模块中要正常运行

粒子群优化（Particle Swarm Optimization, PSO）是一种模拟鸟群、鱼群等社会生物群体搜索行为的全局优化算法。在MATLAB Simulink中，你可以创建一个用户自定义函数模块来实现PSO。下面是一个简单的步骤描述：

1. **定义类**：
首先，创建一个名为`ParticleSwarmOptimizer`的类，包含粒子位置`position`、速度`velocity`、个人最佳解`pBest`和群体最佳解`gBest`等变量。

classdef ParticleSwarmOptimizer < handle
    properties
        position;
        velocity;
        pBest;
        gBest;
        ... (其他参数如学习因子、惯性权重等)
    end

    methods
        % 初始化函数
        function obj = ParticleSwarmOptimizer(numParticles, dim, bounds)
            obj.position = rand(numParticles, dim) * (bounds(2,:) - bounds(1,:)) + bounds(1,:);
            obj.velocity = zeros(numParticles, dim);
            obj.pBest = obj.position;
            obj.gBest = obj.position;
        end

        % 更新函数
        function [obj.position, obj.velocity] = update(obj, fitnessFn, iterations, params)
            % 这里编写粒子的速度更新和个人最优值更新部分
            % ...
            % 使用fitnessFn计算每个粒子的新fitness值
            fitness = fitnessFn(obj.position);

            % 更新pBest和gBest
            for i = 1:numParticles
                if fitness(i) > obj.pBest(i).fitness
                    obj.pBest(i).position = obj.position(i);
                    obj.pBest(i).fitness = fitness(i);
                end
                if fitness(i) < obj.gBest.fitness
                    obj.gBest = obj.pBest(i);
                end
            end

            % 更新粒子的位置
            obj.position = obj.velocity + params.inertiaWeight .* obj.velocity + ...
                           params.cognitiveFactor .* obj.rand() .* (obj.pBest - obj.position) + ...
                           params.socialFactor .* obj.rand() .* (obj.gBest - obj.position);

            % 确保新位置在可行域内
            obj.position = min(max(obj.position, bounds(1,:), [], 2), bounds(2,:), [], 2);
        end
    end
end

2. **在Simulink中调用**：
创建一个新的功能块，选择"User-Defined Function"模板，然后输入`ParticleSwarmOptimizer.update`作为函数名，并传入所需参数。将迭代次数和其他参数设置为仿真所需的值。

function outputs = customFunctionBlock(input, state)
    parameters = get_param('CustomFunctionBlock', 'Parameters');
    optimizer = evalin('base', 'state.optimizer'); % 假设state保存了优化器实例

    newPosition = optimizer.update(@fitnessFunction, state.iterations, parameters);
    outputs.position = newPosition;
    outputs.velocity = optimizer.velocity; % 或者你想输出其他数据
end

其中，`fitnessFunction`是你根据实际问题定义的目标函数，可以根据需要替换。