粒子群优化算法matlab

粒子群优化算法（Particle Swarm Optimization，PSO）是一种优化算法，它通过模拟鸟群或鱼群等生物群体的行为来寻找最优解。PSO算法具有简单、易于实现、不需要求导等优点，在许多领域都有着广泛的应用。

在MATLAB中，可以使用以下代码实现PSO算法：

% 初始化参数
w = 0.8; % 惯性权重
c1 = 2; % 学习因子1
c2 = 2; % 学习因子2
max_iter = 50; % 最大迭代次数
N = 20; % 粒子数
d = 2; % 变量维数
xmin = -5; % 变量下界
xmax = 5; % 变量上界

% 初始化粒子位置和速度
x = xmin + (xmax - xmin) * rand(N, d); % 粒子位置
v = zeros(N, d); % 粒子速度

% 计算粒子适应度
f = zeros(N, 1); % 粒子适应度
for i = 1:N
    f(i) = objfunc(x(i, :)); % 计算适应度
end

% 初始化全局最优解
[bestf, bestidx] = min(f); % 全局最优适应度
bestx = x(bestidx, :); % 全局最优解

% 迭代寻优
for t = 1:max_iter
    % 更新粒子速度和位置
    for i = 1:N
        v(i, :) = w * v(i, :) + c1 * rand(1, d) .* (bestx - x(i, :)) + c2 * rand(1, d) .* (x(bestidx, :) - x(i, :)); % 更新速度
        x(i, :) = x(i, :) + v(i, :); % 更新位置
    end
    
    % 边界处理
    x(x < xmin) = xmin;
    x(x > xmax) = xmax;
    
    % 计算粒子适应度
    for i = 1:N
        f(i) = objfunc(x(i, :)); % 计算适应度
    end
    
    % 更新全局最优解
    [tmpf, tmpidx] = min(f);
    if tmpf < bestf
        bestf = tmpf;
        bestx = x(tmpidx, :);
        bestidx = tmpidx;
    end
    
    % 输出结果
    fprintf('Iteration %d: f(x) = %f\n', t, bestf);
end

% 目标函数
function y = objfunc(x)
    y = sum(x .^ 2);
end

其中，objfunc(x)为待优化的目标函数，可以根据实际问题进行修改。运行以上代码，即可得到PSO算法的优化结果。