基于matlab语言，用粒子群算法求解Max f(x1,x2)=21.5+x1sin(4πx1)+x2sin(20πx2) 其中 -2.9<=x1<=12 4.2<=x2<=5.7

下面是用粒子群算法求解最大值的MATLAB代码：

clear;clc;
% 参数设置
w = 0.5;            % 惯性权重
c1 = 2; c2 = 2;     % 加速因子
max_iter = 100;     % 迭代次数
pop_size = 20;      % 粒子数
dim = 2;            % 变量维度
x_min = [-2.9, 4.2];    % 变量下限
x_max = [12, 5.7];      % 变量上限

% 初始化种群
pop = rand(pop_size, dim) .* (x_max - x_min) + x_min;
v = zeros(pop_size, dim);
pbest = pop;
gbest = pbest(1, :);

% 计算适应度
fit = @(x) -(21.5 + x(1)*sin(4*pi*x(1)) + x(2)*sin(20*pi*x(2)));
pbest_fit = arrayfun(fit, pbest);
[~, gbest_index] = max(pbest_fit);
gbest = pbest(gbest_index, :);

% 迭代寻优
for i = 1:max_iter
    % 更新速度和位置
    v = w*v + c1*rand(pop_size,dim).*(pbest-pop) + c2*rand(pop_size,dim).*(repmat(gbest,pop_size,1)-pop);
    pop = pop + v;
    
    % 越界处理
    pop(pop<x_min) = x_min(pop<x_min);
    pop(pop>x_max) = x_max(pop>x_max);
    
    % 计算适应度
    pbest_fit_new = arrayfun(fit, pop);
    
    % 更新个体最优解
    update_index = pbest_fit_new < pbest_fit;
    pbest(update_index,:) = pop(update_index,:);
    pbest_fit(update_index) = pbest_fit_new(update_index);
    
    % 更新全局最优解
    [min_pbest_fit, index] = min(pbest_fit);
    if min_pbest_fit < fit(gbest)
        gbest = pbest(index, :);
    end
    
    % 输出结果
    disp(['Iteration: ', num2str(i), ', Best fitness value: ', num2str(-min_pbest_fit)]);
end

disp(['Optimal solution: x1=', num2str(gbest(1)), ', x2=', num2str(gbest(2)), ', Max f(x1,x2)=', num2str(-min_pbest_fit)]);

执行该代码后，将会输出每次迭代的最佳适应度值，以及最终的最优解和最大值。