用MATLAB写一段pso算法的案例代码

好的，以下是一段使用MATLAB实现的PSO算法的案例代码：

function [x_best, f_best] = pso(fitness_func, dim, x_min, x_max, max_iter, swarm_size, c1, c2, w)
% fitness_func: 适应度函数句柄
% dim: 变量维度
% x_min: 变量最小值
% x_max: 变量最大值
% max_iter: 最大迭代次数
% swarm_size: 粒子群大小
% c1: 加速度常数1
% c2: 加速度常数2
% w: 惯性权重

% 初始化粒子群
x = rand(swarm_size, dim) .* (x_max - x_min) + x_min;
v = rand(swarm_size, dim) .* (x_max - x_min) * .1;

% 初始化个体最优位置和适应度
x_pbest = x;
f_pbest = feval(fitness_func, x_pbest);

% 初始化全局最优位置和适应度
[f_gbest, gbest_index] = min(f_pbest);
x_gbest = x_pbest(gbest_index, :);

% 迭代
for iter = 1:max_iter
% 更新速度和位置
r1 = rand(swarm_size, dim);
r2 = rand(swarm_size, dim);
v = w * v + c1 * r1 .* (x_pbest - x) + c2 * r2 .* (x_gbest - x);
x = x + v;

% 边界处理
x(x < x_min) = x_min(x < x_min);
x(x > x_max) = x_max(x > x_max);

% 更新个体最优位置和适应度
f_x = feval(fitness_func, x);
update_index = f_x < f_pbest;
x_pbest(update_index, :) = x(update_index, :);
f_pbest(update_index) = f_x(update_index);

% 更新全局最优位置和适应度
[f_gbest_new, gbest_index_new] = min(f_pbest);
if f_gbest_new < f_gbest
f_gbest = f_gbest_new;
x_gbest = x_pbest(gbest_index_new, :);
end
end

% 返回最优解和适应度
x_best = x_gbest;
f_best = f_gbest;

end

希望对你有帮助！