已知函数y=f(x1，x2)=x1^2+2^2，其中-10<=x1x2<=10，用粒子群优化算法求解y的最小值。取粒子群初始化(x,v)= (5,2)(6,5)；(-4，-8) (3.6）；（1，1）(-5，8） ，c1=c2=2,w=0.7

首先，粒子群优化算法的基本思想是模拟鸟群觅食的行为，将搜索空间看作是一个生态系统，每个搜索点看作是一个鸟，通过不断调整速度和位置来寻找最优解。

具体实现过程如下：

1. 初始化粒子群，包括粒子的位置和速度。

2. 计算每个粒子的适应度，即目标函数的值。

3. 更新全局最优解和每个粒子的最优解。

4. 根据当前的速度和全局最优解、个体最优解，更新粒子的速度和位置。

5. 重复执行2-4步直到满足停止条件。

根据题目，可以将粒子的位置表示为(x1, x2)，速度表示为(v1, v2)，目标函数为y=f(x1, x2)=x1^2+2*x2^2。

初始化粒子群，包括粒子的位置和速度：

粒子1：(x1, x2) = (5, 2)，(v1, v2) = (0, 0)

粒子2：(x1, x2) = (6, 5)，(v1, v2) = (0, 0)

粒子3：(x1, x2) = (-4, -8)，(v1, v2) = (0, 0)

粒子4：(x1, x2) = (3.6, 1)，(v1, v2) = (0, 0)

粒子5：(x1, x2) = (1, -5)，(v1, v2) = (0, 0)

粒子6：(x1, x2) = (-5, 8)，(v1, v2) = (0, 0)

其中，每个粒子的位置坐标都在-10到10之间随机生成。

计算每个粒子的适应度，即目标函数的值：

粒子1：y = f(5, 2) = 5^2 + 2*2^2 = 29

粒子2：y = f(6, 5) = 6^2 + 2*5^2 = 76

粒子3：y = f(-4, -8) = (-4)^2 + 2*(-8)^2 = 132

粒子4：y = f(3.6, 1) = 3.6^2 + 2*1^2 = 14.96

粒子5：y = f(1, -5) = 1^2 + 2*(-5)^2 = 51

粒子6：y = f(-5, 8) = (-5)^2 + 2*8^2 = 129

更新全局最优解和每个粒子的最优解：

初始时，全局最优解为粒子3的位置(-4, -8)，每个粒子的最优解也为初始位置。

根据公式v(t+1) = w*v(t) + c1*r1*(pbest-x) + c2*r2*(gbest-x)，更新粒子的速度和位置：

其中，w=0.7，c1=c2=2，r1和r2分别为0到1之间的随机数，pbest为每个粒子的最优解，gbest为全局最优解。

假设r1=0.3，r2=0.5，则粒子1的更新公式为：

v1(1) = 0.7*0 + 2*0.3*(5-5) + 2*0.5*(-4-5) = -9

v2(1) = 0.7*0 + 2*0.3*(2-2) + 2*0.5*(-8-2) = -10

x1(1) = 5 - 9 = -4

x2(1) = 2 - 10 = -8

同理，可以得到其余粒子的新速度和新位置：

粒子1：(-4, -8)，(-9, -10)

粒子2：(6, 5)，(0, 0)

粒子3：(-4, -8)，(0, 0)

粒子4：(3.6, 1)，(0, 0)

粒子5：(1, -5)，(0, 0)

粒子6：(-5, 8)，(0, 0)

再次计算每个粒子的适应度，更新每个粒子的最优解和全局最优解。

重复执行以上步骤，直到满足停止条件（如达到最大迭代次数、目标函数值足够小等）。最终得到的全局最优解为(-4, -8)，目标函数的最小值为132。